《自然語言處理的Python實踐》是化學工業出版社於2022年出版的書籍，作者是（印度）馬坦吉·斯里（MathangiSri）。
基本介紹
- 中文名：自然語言處理的Python實踐
- 作者：馬坦吉·斯里
- 語言：漢語
- 出版時間：2022年9月1日
- 出版社：化學工業出版社
- 頁數：218 頁
- ISBN：9787122412980
- 開本：16 開
- 裝幀：平裝
內容簡介,目錄,
內容簡介
《自然語言處理的Python實踐》通過5章內容深入解讀了自然語言處理（NLP）的文本數據處理方法和行業實際套用。其中討論了文本數據的根本問題所在和在文本數據中如何提取信息、提取哪種信息等，同時通過第2~5章，重點講解了客戶服務行業、線上評論、銀行與金融服務及保險行業、虛擬助手四大NLP重點領域的實際套用方法，其中詳細解讀了意圖挖掘、基於ML的監督學習、情感分析與挖掘、Word2Vec、CBOW、LSTM、編碼器-解碼器模型框架和當今NLP領域解決問題效果最好的BERT模型等關鍵技術方法。內容全面，案例真實。本書案例均直接深入到各行業，讀者在閱讀學習過程中，能通過書中相應的代碼和案例思路，真正解決實際工作中遇到的問題。 本書適合各個行業自然語言處理方向的技術人員閱讀學習，也適合開設自然語言處理課程的院校師生及計算機專業教學參考使用。
目錄
第1章 數據類型 001
1.1 搜尋 002
1.2 評論 003
1.3 社交媒體中的帖子/部落格 005
1.4 聊天數據 006
1.4.1 私人聊天 006
1.4.2 商務聊天和語音通話數據 007
1.5 SMS（簡訊）數據 008
1.6 內容數據 009
1.7 IVR（互動式語音應答）話語數據 010
1.8 數據中的有用信息 010
第2章 NLP在客戶服務中的套用 013
2.1 語音通話 014
2.2 聊天 015
2.3 票證數據 016
2.4 郵件數據 016
2.5 客戶需求 018
2.5.1 意圖挖掘 018
2.5.2 意圖理解的熱門辭彙 019
2.5.3 詞雲 021
2.5.4 主題分類規則 024
2.6 基於機器學習的監督學習 028
2.6.1 獲取人工標記的數據 028
2.6.2 分詞 030
2.6.3 文檔詞條矩陣 031
2.6.4 數據標準化 035
2.7 替換某些模式 036
2.8 識別並標註問題所在的行 040
2.9 熱門客戶查詢 041
2.10 熱門客戶滿意度（CSAT）驅動器 043
2.11 熱門淨推薦值（NPS）驅動器 045
2.12 深入了解銷售對話 050
2.12.1 銷售對話中的熱門產品 050
2.12.2 未交易的原因 051
2.12.3 調查評論分析 052
2.12.4 挖掘語音記錄 052
第3章 NLP在線上評論中的套用 059
3.1 情感分析 060
3.2 情感挖掘 061
3.3 方法1：基於詞典的方法 062
3.4 方法2：基於規則的方法 066
3.4.1 觀察結果1 066
3.4.2 觀察結果2 067
3.4.3 觀察結果3 067
3.4.4 觀察結果4 068
3.4.5 總體得分 069
3.4.6 處理觀察結果 070
3.4.7 情緒分析庫 085
3.5 方法3：基於機器學習的方法(神經網路) 086
3.5.1 語料庫的特徵 087
3.5.2 構建神經網路 091
3.5.3 加以完善 093
3.6 屬性提取 093
3.6.1 步驟1：使用正則表達式進行規範化 095
3.6.2 步驟2：提取名詞形式 097
3.6.3 步驟3：創建映射檔案 098
3.6.4 步驟4：將每個評論映射到屬性 100
3.6.5 步驟5：品牌分析 101
第4章 NLP在銀行、金融服務和保險業（BFSI）的套用 109
4.1 NLP之於風險控制 110
4.1.1 方法1：使用現有的庫 111
4.1.2 方法2：提取名詞短語 113
4.1.3 方法3：訓練自己的模型 115
4.1.4 模型套用 142
4.2 NLP在銀行、金融服務和保險業的其他套用案例 157
4.2.1 簡訊數據 157
4.2.2 銀行業的自然語言生成 158
第5章 NLP在虛擬助手中的套用 163
5.1 網路機器人（Bot程式）種類 164
5.2 經典方法 165
5.2.1 LSTM概述 169
5.2.2 LSTM的套用 173
5.2.3 時間分布層 174
5.3 生成回響法 178
5.3.1 編碼器-解碼器模型框架 179
5.3.2 數據集 180
5.3.3 框架的實現 180
5.3.4 編碼器-解碼器模型框架的訓練 189
5.3.5 編碼器輸出 192
5.3.6 解碼器輸入 192
5.3.7 預處理 195
5.3.8 雙向LSTM 200
5.4 BERT（基於轉換器的雙向編碼表征） 202
5.4.1 語言模型和微調 202
5.4.2 BERT概述 203
5.4.3 微調BERT以構建分類器 208
5.5 構建網上對話機器人的更多細微差別 211
5.5.1 單輪對話和多輪對話的比較 211
5.5.2 多語言網上機器人 213
