駕馭文本：文本的發現 組織和處理 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

Grant S. Ingersoll（格蘭特·英格索爾），Thomas S. Morton（托馬斯·莫頓），Andrew L. Farris（安德魯·法裏斯） 著，王斌 譯

齣版社： 電子工業齣版社

ISBN：9787121252303

版次：1

商品編碼：11737329

品牌：Broadview

包裝：平裝

開本：16開

齣版時間：2015-07-01

用紙：膠版紙

頁數：340

正文語種：中文

內容簡介

文本處理是目前互聯網內容應用(如搜索引擎、推薦引擎)的關鍵技術。本書涵蓋瞭文本處理概念和技術的多個方麵，包括文本預處理、搜索、字符串匹配、信息抽取、命名實體識彆、分類、聚類、標簽生成、摘要、問答等。本書的特點在於通過實例來理解文本處理的這些概念和技術，讀者利用現有的開源工具就可以自己實現這些實例。

作者簡介

王斌，博士，中國科學院信息工程研究所研究員，博士生導師，研究方嚮為信息檢索與自然語言處理。主持科研項目20餘項，發錶學術論文120餘篇，譯有《信息檢索導論》、《大數據：互聯網大規模數據挖掘與分布式處理》、《機器學習實戰》、《Mahout實戰》等書籍。現為中國中文信息學會理事、信息檢索專委會、社會媒體處理專委會及語言與知識計算專業委員會委員，《中文信息學報》編委，中國計算機學會高級會員及中文信息處理專委會委員。

目錄

第1章　開始駕馭文本 1
11　駕馭文本重要的原因 2
12　預覽：一個基於事實的問答係統 4
121　嗨，弗蘭肯斯坦醫生 5
13　理解文本很睏難 8
14　駕馭的文本 11
15　文本及智能應用：搜索及其他 13
151　搜索和匹配 13
152　抽取信息 14
153　對信息分組 15
154　一個智能應用 15
16　小結 15
17　相關資源 16
第2章　駕馭文本的基礎 17
21　語言基礎知識 18
211　詞語及其類彆 19
212　短語及子句 20
213　詞法 21
22　文本處理常見工具 23
221　字符串處理工具 23
222　詞條及切詞 23
223　詞性標注 25
224　詞乾還原 27
225　句子檢測 29
226　句法分析和文法 31
227　序列建模 33
23　從常見格式文件中抽取內容並做預處理 34
231　預處理的重要性 35
232　利用Apache Tika抽取內容 37
24　小結 39
25　相關資源 40
第3章　搜索 41
31　搜索和多麵示例：Amazoncom 42
32　搜索概念入門 44
321　索引內容 45
322　用戶輸入 47
323　利用嚮量空間模型對文檔排名 51
324　結果展示 54
33　Apache Solr搜索服務器介紹 57
331　首次運行Solr 58
332　理解Solr中的概念 59
34　利用Apache Solr對內容構建索引 63
341　使用XML構建索引 64
342　利用Solr和Apache Tika對內容進行抽取和索引 66
35　利用Apache Solr來搜索內容 69
351　Solr查詢輸入參數 71
352　抽取內容的多麵展示 74
36　理解搜索性能因素 77
361　數量判定 77
362　判斷數量 81
37　提高搜索性能 82
371　硬件改進 82
372　分析的改進 83
373　提高查詢性能 85
374　其他評分模型 88
375　提升Solr性能的技術 89
38　其他搜索工具 91
39　小結 93
310　相關資源 93
第4章　模糊字符串匹配 94
41　模糊字符串匹配方法 96
411　字符重閤度度量方法 96
412　編輯距離 99
413　n元組編輯距離 102
42　尋找模糊匹配串 105
421　在Solr中使用前綴來匹配 105
422　利用trie樹進行前綴匹配 106
423　使用n元組進行匹配 111
43　構建模糊串匹配應用 112
431　在搜索中加入提前輸入功能 113
432　搜索中的查詢拼寫校正 117
433　記錄匹配 122
44　小結 127
45　相關資源 128
第5章　命名實體識彆 129
51　命名實體的識彆方法 131
511　基於規則的實體識彆 131
512　基於統計分類器的實體識彆 132
52　基於OpenNLP的基本實體識彆 133
521　利用OpenNLP尋找人名 134
522　OpenNLP識彆的實體解讀 136
523　基於概率過濾實體 137
53　利用OpenNLP進行深度命名實體識彆 137
531　利用OpenNLP識彆多種實體類型 138
532　OpenNLP識彆實體的背後機理 141
54　OpenNLP的性能 143
541　結果的質量 144
542　運行性能 145
543　OpenNLP的內存使用 146
55　對新領域定製OpenNLP實體識彆 147
551　訓練模型的原因和方法 147
552　訓練OpenNLP模型 148
553　改變建模輸入 150
554　對實體建模的新方法 152
56　小結 154
57　進一步閱讀材料 155
第6章　文本聚類 156
61　Google News中的文檔聚類 157
62　聚類基礎 158
621　三種聚類的文本類型 158
622　選擇聚類算法 160
623　確定相似度 161
624　給聚類結果打標簽 162
625　聚類結果的評估 163
63　搭建一個簡單的聚類應用 165
64　利用Carrot2對搜索結果聚類 166
641　使用Carrot2API 166
642　使用Carrot2對Solr的搜索結果聚類 168
65　利用Apache Mahout對文檔集聚類 171
651　對聚類的數據進行預處理 172
652　K-means聚類 175
66　利用Apache Mahout進行主題建模 180
67　考察聚類性能 183
671　特徵選擇與特徵約簡 183
672　Carrot2的性能和質量 186
673　Mahout基準聚類算法 187
68　緻謝 192
69　小結 192
610　參考文獻 193
第7章　分類及標注 195
71　分類及歸類概述 197
72　分類過程 200
721　選擇分類機製 201
722　識彆文本分類中的特徵 202
723　訓練數據的重要性 203
724　評估分類器性能 206
725　將分類器部署到生産環境 208
73　利用Apache Lucene構建文檔分類器 209
731　利用Lucene對文本進行分類 210
732　為MoreLikeThis分類器準備訓練數據 212
733　訓練MoreLikeThis分類器 214
734　利用MoreLikeThis分類器對文檔進行分類 217
735　測試MoreLikeThis分類器 220
736　將MoreLikeThis投入生産環境 223
74　利用Apache Mahout訓練樸素貝葉斯分類器 223
741　利用樸素貝葉斯算法進行文本分類 224
742　準備訓練數據 225
743　留存測試數據 229
744　訓練分類器 229
745　測試分類器 231
746　改進自舉過程 232
747　將Mahout貝葉斯分類器集成到Solr 234
75　利用OpenNLP進行文檔分類 238
751　迴歸模型及最大熵文檔分類 239
752　為最大熵文檔分類器準備訓練數據 241
753　訓練最大熵文檔分類器 242
754　測試最大熵文檔分類器 248
755　生産環境下的最大熵文檔分類器 249
76　利用Apache Solr構建標簽推薦係統 250
761　為標簽推薦收集訓練數據 253
762　準備訓練數據 255
763　訓練Solr標簽推薦係統 256
764　構建推薦標簽 258
765　對標簽推薦係統進行評估 261
77　小結 263
78　參考文獻 265
第8章　構建示例問答係統 266
81　問答係統基礎知識 268
82　安裝並運行QA代碼 270
83　一個示例問答係統的架構 271
84　理解問題並産生答案 274
841　訓練答案類型分類器 275
842　對查詢進行組塊分析 279
843　計算答案類型 280
844　生成查詢 283
845　對候選段落排序 285
85　改進係統的步驟 287
86　本章小結 287
87　相關資源 288
第9章　未駕馭的文本：探索未來前沿 289
91　語義、篇章和語用：探索高級NLP 290
911　語義 291
912　篇章 292
913　語用 294
92　文檔及文檔集自動摘要 295
93　關係抽取 298
931　關係抽取方法綜述 299
932　評估 302
933　關係抽取工具 303
94　識彆重要內容和人物 303
941　全局重要性及權威度 304
942　個人重要性 305
943　與重要性相關的資源及位置 306
95　通過情感分析來探測情感 306
951　曆史及綜述 307
952　工具及數據需求 308
953　一個基本的極性算法 309
954　高級話題 311
955　用於情感分析的開源庫 312
96　跨語言檢索 313
97　本章小結 315
98　相關資源 315

精彩書摘

　　這顯著地提高瞭web搜索引擎及更小型搜索引擎的門檻。盡管大的互聯網引擎能夠訪問Google一樣的資源，但是小係統往往沒法訪問大量查詢日誌或像HTML鏈接一樣的文檔結構，也沒法使用其他用戶相關反饋機製來提供對用戶而言很有價值的信息。花時間構建復雜方案之前，我們給齣有助於改進結果的兩個關鍵事項。
　　1.用戶訓練：有時需要給用戶展示齣，通過學習一些關鍵語法技巧（如短語等）可以將檢索結果提高到何種程度。
　　2.外部知識：是否存在某個指示信息使得一篇或多篇文檔比其他文檔更重要？例如，也許該文檔是CEO寫的，或者100個人中有99人將其標為有用，或者該文檔的邊緣收益是對比文檔的五倍。不管是什麼，都要想辦法將這個知識編碼到係統當中並作為搜索的一個因素。如果搜索係統不容許這麼做，那麼可能是時候構建一個新係統瞭！
　　除瞭用戶訓練和使用索引的先驗知識之外，還有很多辦法可以提高查詢速度和精度。首先，在大部分情況下，查詢詞項之間應該是AND而非0R的關係。例如，用戶輸人的是Jumping Jack Flash，那麼假設不是搜索短語的話，該查詢應該轉換成的等價形式為Jumping AND Jack AND Flash而不是。通過使用JAND，所有的查詢詞項都應該匹配。當然這種做法幾乎可以肯定會提高正確率，但是可能會降低召迴率。由於采用這種做法隻需要對更少的文檔進行評分，因此其速度肯定會更快。使用AND可能會導緻零結果查詢，但是如果想要結果的話之後可以迴退到一個0R查詢。對於簡單查詢AND可能不會産生足夠的結果的一個唯一可能是文檔集非常小（大概來講，少於200000篇文檔）。
　　注意 這裏的AND使用並不意味著所有的搜索引擎都支持這種語法，但是Solr使用這種語法，因此為簡單解釋起見我們就保留這樣的描述。
　　……

前言/序言

評分☆☆☆☆☆

很喜歡這本書

評分☆☆☆☆☆

經典好書，值得細細品讀！很好的書！

評分☆☆☆☆☆

好好好好好好好好好好

評分☆☆☆☆☆

老公給單位買的，京東買書很方便。

評分☆☆☆☆☆

很不錯！活動期間購買！

評分☆☆☆☆☆

彩蛋是Apache係列文本處理/自然語言處理/機器學習框架的使用：Lucene, Solr, OpenNLP, Mahout。

評分☆☆☆☆☆

比較一般，內容很淩亂。

評分☆☆☆☆☆

文本挖掘方麵的書還是比較少的

評分☆☆☆☆☆

書質量非常好，信賴京東，方便放心。