NLTK庫是當前自然語言處理（NLP）領域最為流
行、使用最為廣泛的庫之一，同時Python語言也已逐
漸成為主流的編程語言之一。
哈登尼亞編著的《NLTK基礎教程（用NLTK和
Python庫構建機器學習應用）》主要介紹如何通過
NLTK庫與一些Python庫的結合從而實現復雜的NLP任
務和機器學習應用。全書共分為10章。第1章對NLP進
行了簡單介紹。第2章、第3章和第4章主要介紹一些
通用的預處理技術、專屬於NLP領域的預處理技術以
及命名實體識別技術等。第5章之後的內容側重於介
紹如何構建一些NLP應用，涉及文本分類、數據科學
和數據處理、社交媒體挖掘和大規模文本挖掘等方面
。
本書適合NLP和機器學習領域的愛好者、對文本
處理感興趣的讀者、想要快速學習NLTK的資深Python
稗序員以及機器學習領域的研究人員閱讀。

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