●章  自然語言處理簡介 1 1.1  為什麼要學習NLP 2 1.2  先從Python開始吧 5 1.2.1  列表 5 1.2.2  自助功能 6 1.2.3  正則表達式 8 1.2.4  字典 9 1.2.5  編寫函數 10 1.3  向NLTK邁進 11 1.4  練習 16 1.5  小結 17 第2章  文本的歧義及其清理 18 2.1  何謂文本歧義 18 2.2  文本清理 20 2.3  語句分離器 21 2.4  標識化處理 22 2.5  詞干提取 23 2.6  詞形還原 24 2.7  停用詞移除 25 2.8  罕見詞移除 26 2.9  拼寫糾錯 26 2.10  練習 27 2.11  小結 28 第3章  詞性標注 29 3.1  何謂詞性標注 29 3.1.1  Stanford標注器 32 3.1.2  深入了解標注器 33 3.1.3  順序性標注器 35 3.1.4  Brill標注器 37 3.1.5  基於機器學習的標注器 37 3.2  命名實體識別（NER） 38 3.3  練習 40 3.4  小結 41 第4章  文本結構解析 43 4.1  淺解析與深解析 43 4.2  兩種解析方法 44 4.3  為什麼需要進行解析 44 4.4  不同的解析器類型 46 4.4.1  遞歸下降解析器 46 4.4.2  移位-歸約解析器 46 4.4.3  圖表解析器 46 4.4.4  正則表達式解析器 47 4.5  依存性文本解析 48 4.6  語塊分解 50 4.7  信息提取 53 4.7.1  命名實體識別（NER） 53 4.7.2  關繫提取 54 4.8  小結 55 第5章  NLP應用 56 5.1  構建個NLP應用 57 5.2  其他NLP應用 60 5.2.1  機器翻譯 60 5.2.2  統計型機器翻譯 61 5.2.3  信息檢索 62 5.2.4  語音識別 64 5.2.5  文本分類 65 5.2.6  信息提取 66 5.2.7  問答繫統 67 5.2.8  對話繫統 67 5.2.9  詞義消歧 67 5.2.10  主題建模 68 5.2.11  語言檢測 68 5.2.12  光符識別 68 5.3  小結 68 第6章  文本分類 70 6.1  機器學習 71 6.2  文本分類 72 6.3  取樣操作 74 6.3.1  樸素貝葉斯法 76 6.3.2  決策樹 79 6.3.3  隨機梯度下降法 80 6.3.4  邏輯回歸 81 6.3.5  支持向量機 81 6.4  隨機森林算法 83 6.5  文本聚類 83 6.6  文本中的主題建模 84 6.7  參考資料 87 6.8  小結 87 第7章  Web爬蟲 88 7.1  Web爬蟲 88 7.2  編寫個爬蟲程序 89 7.3  Scrapy庫中的數據流 92 7.3.1  Scrapy庫的shell 93 7.3.2  目標項 98 7.4  生成網站地圖的蜘蛛程序 99 7.5  目標項管道 100 7.6  參考資料 102 7.7  小結 102 第8章  NLTK與其他Python庫的搭配 運用 104 8.1  NumPy 104 8.1.1  多維數組 105 8.1.2  基本運算 106 8.1.3  從數組中提取數據 107 8.1.4  復雜矩陣運算 108 8.2  SciPy 112 8.2.1  線性代數 113 8.2.2  特征值與特征向量 113 8.2.3  稀疏矩陣 114 8.2.4  優化措施 115 8.3  pandas 117 8.3.1  讀取數據 117 8.3.2  數列 119 8.3.3  列轉換 121 8.3.4  噪聲數據 121 8.4  matplotlib 123 8.4.1  子圖繪制 123 8.4.2  添加坐標軸 124 8.4.3  散點圖繪制 125 8.4.4  條形圖繪制 126 8.4.5  3D繪圖 126 8.5  參考資料 126 8.6  小結 127 第9章  Python中的社交媒體挖掘 128 9.1  數據收集 128 9.2  數據提取 132 9.3  地理可視化 134 9.3.1  影響力檢測 135 9.3.2  Facebook 135 9.3.3  有影響力的朋友 139 9.4  小結 141 0章  大規模文本挖掘 142 10.1  在Hadoop上使用Python的 不同方式 142 10.1.1  Python的流操作 143 10.1.2  Hive/Pig下的UDF 143 10.1.3  流封裝器 143 10.2  Hadoop上的NLTK 144 10.2.1  用戶定義函數 （UDF） 144 10.2.2  Python的流操作 146 10.3  Hadoop上的Scikit-learn 147 10.4  PySpark 150 10.5  小結 153