《Python自然语言处理》学习笔记索引
关于Python自然语言处理
关于该书的简介：
《Python自然语言处理》提供了非常易学的自然语言处理入门介绍，该领域涵盖从文本和电子邮件预测过滤，到自动总结和翻译等多种语言处理技术。在《Python自然语言处理(影印版)》 中，你将学会编写Python程序处理大量非结构化文本。你还将通过使用综合语言数据结构访问含有丰富注释的数据集，理解用于分析书面通信内容和结构的主 要算法。
《Python自然语言处理》准备了充足的示例和练习，可以帮助你：
从非结构化文本中抽取信息，甚至猜测主题或识别“命名实体”；
分析文本语言结构，包括解析和语义分析；
访问流行的语言学数据库，包括WordNet和树库(treebank)；
从多种语言学和人工智能领域中提取的整合技巧。 《Python自然语言处理(影印版)》将帮助你学习运用Python编程语言和自然语言工具包(NLTK)获得实用的自然语言处理技能。如果对于开发 Web应用、分析多语言新闻源或记录濒危语言感兴趣——即便只是想从程序员视角观察人类语言如何运作，你将发现《Python自然语言处理》是一本令人着 迷且极为有用的好书。
关于学习笔记...
这是我在阅读Python自然语言处理时写的一些学习笔记，因为受时间的约束(papers&find job...blablabla)，学习笔记采用注释和讨论的形式。 由于初学，翻译可能不准确，希望看到的童鞋能够指出，学习过程中我也会回头来修改翻译不恰当的地方。 目前还没读完这本书，有些初步的感想与大家分享：
优点：
这本书即涉及到了语料库的操作，也对传统的基于规则的方法有所涉及。全书包括了分词（tokenization）、词性标注（POS）、语块（Chunk）标注、句法剖析与语义剖析等方面，是一本实用的自然语言处理教程，即使你不想全面地学习自然语言处理，也会对其中的分析美国历届总统的演讲、对抓取的网页进行解析提取文本，使用正则表达式处理字符串、新闻信息检索等等感兴趣的。此外，Python简洁优雅，适合上手，而且我很喜爱这门语言。
缺点：
(1)实用性很强，但对理论性介绍不足，需要自己去查找相关资料，我考虑把相关资料都搜集起来
(2)毕竟是E文的语言背景，对中文涉及很少，中文与英文尤其在分词上有很大的不同，等我积累了一些心得，我打算把中文分词写成单独的一章。
Anyway，我把下面这句话送给有兴趣的童鞋。
Now is better than never. ——摘自The Zen of Python
目录索引的传送门(Out of date)在此，下面也贴出了持续更新的目录索引。
Update日志
创建日期：2011.6.27
翻译修正：2011.7.20
修改了已知的翻译错误
更新1st:2011.8.5
为目录添加了相关笔记链接
更新2nd:2011.8.28
修正了部分翻译错误
更新3rd:2011.9.7
修正了Chapter7的部分翻译错误
龙年一定旺^^
更新4rd:2012.2.9
Chapter7完工
目前施工进度：Chapter8
重要通知：由陈涛sean 呕心沥血翻译了这本书的中文版面世拉，在下载前咱们要为他的无私奉献表示感谢，这份辛苦只有翻译过的人才能明白。
当前版本措辞上还是有些小问题，本人正在修改中，杂事也比较多，不知道猴年马月能改完，希望各位热心的nlper能助一臂之力。
下载地址：http://vdisk.weibo.com/s/4ffue/1334656530
Table of Contents 目录
Preface
前言
1. Language Processing and Python
Python和语言处理
1.1 Computing with Language: Texts and Words
语言计算：文本和单词
1.2 A Closer Look at Python: Texts as Lists of Words
进一步学习Python：将文本视作单词列表
1.3 Computing with Language: Simple Statistics
语言计算：简单的统计
1.4 Back to Python: Making Decisions and Taking Control
回到Python:决策和控制
1.5 Automatic Natural Language Understanding
自动理解自然语言
1.6 Summary
小结
1.7 Further Reading
深入阅读
1.8 Exercises
练习
2. Accessing Text Corpora and Lexical Resources
访问文本语料库和词汇资源
2.1 Accessing Text Corpora
访问文本语料库
2.2 Conditional Frequency Distributions
条件频率分布
2.3 More Python: Reusing Code
More Python:代码重用
2.4 Lexical Resources
词汇资源
2.5 WordNet
WordNet词典
2.6 Summary
小结
2.7 Further Reading
深入阅读
2.8 Exercises
练习
3. Processing Raw Text
处理原始文本
3.1 Accessing Text from the Web and from Disk
从Web和磁盘获得文本
3.2 Strings: Text Processing at the Lowest Level
字符串：最底层的文本处理
3.3 Text Processing with Unicode
使用Unicode处理文本
3.4 Regular Expressions for Detecting Word Patterns
使用正则表达式检测词组
3.5 Useful Applications of Regular Expressions
正则表示式的有益应用
3.6 Normalizing Text
规格化文本
3.7 Regular Expressions for Tokenizing Text
正则表达式用于本文分词
3.8 Segmentation
分割
3.9 Formatting: From Lists to Strings
格式设定：从列表到字符串
3.10 Summary
小结
3.11 Further Reading
深入阅读
3.12 Exercises
练习
4. Writing Structured Programs
编写结构化程序
4.1 Back to the Basics
回到基础
4.2 Sequences
序列
4.3 Questions of Style
关于风格
4.4 Functions: The Foundation of Structured Programming
函数：结构化编程的基础
4.5 Doing More with Functions
关于函数的更多使用
4.6 Program Development
程序开发
4.7 Algorithm Design
算法设计
4.8 A Sample of Python Libraries
Python库的样本
4.9 Summary
小结
4.10 Further Reading
深入阅读
4.11 Exercises
练习
5. Categorizing and Tagging Words
分类和标注单词
5.1 Using a Tagger
使用标注器
5.2 Tagged Corpora
标记语料库
5.3 Mapping Words to Properties Using Python Dictionaries
使用Python字典把单词映射到属性
5.4 Automatic Tagging
自动标注
5.5 N-Gram Tagging
N-Gram标注
5.6 Transformation-Based Tagging
基于转换的标注
5.7 How to Determine the Category of a Word
如何决定一个词的类别
5.8 Summary
小结
5.9 Further Reading
深入阅读
5.10 Exercises
练习
6. Learning to Classify Text
学习本文分类
6.1 Supervised Classification
监督式分类
6.2 Further Examples of Supervised Classification
监督式分类的更多例子
6.3 Evaluation
评分
6.4 Decision Trees
决策树
6.5 Naive Bayes Classifiers
朴素贝叶斯分类器
6.6 Maximum Entropy Classifiers
最大熵分类器
6.7 Modeling Linguistic Patterns
建模语言模式
6.8 Summary
小结
6.9 Further Reading
深入阅读
6.10 Exercises
练习
7. Extracting Information from Text
从文本提取信息
7.1 Information Extraction
信息抽取
7.2 Chunking
分块
7.3 Developing and Evaluating Chunkers
分块器开发和求值
7.4 Recursion in Linguistic Structure
语言结构中的递归
7.5 Named Entity Recognition
命名实体识别
7.6 Relation Extraction
关系提取
7.7 Summary
小结
7.8 Further Reading
深入阅读
7.9 Exercises
练习
8. Analyzing Sentence Structure
句子结构分析
8.1 Some Grammatical Dilemmas
一些语法困惑
8.2 What’s the Use of Syntax?
语法有什么用处？
8.3 Context-Free Grammar
上下文无关语法
8.4 Parsing with Context-Free Grammar
使用上下文无关语法进行解析
8.5 Dependencies and Dependency Grammar
相关性和相关性语法
8.6 Grammar Development
语法的发展
8.7 Summary
小结
8.8 Further Reading
深入阅读
8.9 Exercises
练习
9. Building Feature-Based Grammars
构建基于特征的语法
9.1 Grammatical Features
语法特征
9.2 Processing Feature Structures
处理特征结构
9.3 Extending a Feature-Based Grammar
扩展基于特征的语法
9.4 Summary
小结
9.5 Further Reading
深入扩展
9.6 Exercises
练习
10. Analyzing the Meaning of Sentences
分析句子的意义
10.1 Natural Language Understanding
自然语言的理解
10.2 Propositional Logic
命题逻辑
10.3 First-Order Logic
一阶逻辑
10.4 The Semantics of English Sentences
英文句子的语义
10.5 Discourse Semantics
语段语义
10.6 Summary
小结
10.7 Further Reading
深入阅读
10.8 Exercises
练习
11. Managing Linguistic Data
语料管理
11.1 Corpus Structure: A Case Study
语料库结构：案例研究
11.2 The Life Cycle of a Corpus
语料库的生命周期
11.3 Acquiring Data
获取数据
11.4 Working with XML
处理XML
11.5 Working with Toolbox Data
处理Toolbox Data
11.6 Describing Language Resources Using OLAC Metadata
使用OLAC元数据描述语言资源
11.7 Summary
小结
11.8 Further Reading
深入阅读
11.9 Exercises
练习
Afterword: The Language Challenge
后记：语言的挑战
Bibliography
参考文献
NLTK Index
NLTK索引
General Index
一般索引
知识共享署名、非商业性使用、禁止演绎创作许可证3.0
以上章节内容均来自Natural Language Processing with Python，由Steven Bird, Ewan Klein 和Edward Loper共同的辛勤劳动，Copyright © 2009，本内容并随NLTK共同发布，网址：http://www.nltk.org/ 。文章和相关资料遵循Creative Commons Attribution-Noncommercial-No Derivative Works 3.0创作许可证。
页:
[1]