自然语言处理是一门融语言学、计算机科学、数学于一体的科学，研究人与计算机之间用自然语言进行有效通信的各种理论和方法。计算语言学是指通过建立形式化的数学模型来分析、处理自然语言，并在计算机上用程序来实现分析和处理的过程，旨在以机器来模拟人的部分或全部语言能力的目的。 《自然语言处理与计算语言学》作为一本借助于Python编程语言以及各种开源工具（如Gensim、spaCy等）来执行文本分析、自然语言处理和计算语言学算法的图书，从应用层面介绍了相关的理论知识和所涉及的技术。《自然语言处理与计算语言学》共分为15章，其内容涵盖了文本分析的定义、使用Python进行文本分析的技巧、spaCy语言模型、Gensim工具、词性标注及其应用、NER标注及其应用、依存分析、主题模型、**主题建模、文本聚类和文本分类、查询词相似度计算和文本摘要、词嵌入、使用深度学习处理文本、使用Keras和spaCy进行深度学习、情感分析与聊天机器人的原理介绍等。 《自然语言处理与计算语言学》适合对自然语言处理的实现细节感兴趣的Python程序开发人员阅读。如果读者具备统计学的基本知识，对学习本书内容会大有裨益。

第 1章 什么是文本分析 1 1.1 什么是文本分析 1 1.2 搜集数据 5 1.3 若输入错误数据，则输出亦为错误数据（garbage in，garbage out） 8 1.4 为什么你需要文本分析 9 1.5 总结 11 第 2章 Python文本分析技巧 12 2.1 为什么用Python来做文本分析 12 2.2 用Python进行文本操作 14 2.3 总结 18 第3章 spaCy语言模型 19 3.1 spaCy库 19 3.2 spaCy的安装步骤 21 3.3 故障排除 22 3.4 语言模型 22 3.5 安装语言模型 23 3.6 安装语言模型的方式及原因 25 3.7 语言模型的基本预处理操作 25 3.8 分词 26 3.9 词性标注 28 3.10 命名实体识别 29 3.11 规则匹配 30 3.12 预处理 31 3.13 总结 33 第4章 Gensim：文本向量化、向量变换和n-grams的工具 34 4.1 Gensim库介绍 34 4.2 向量以及为什么需要向量化 35 4.3 词袋（bag-of-words） 36 4.4 TF-IDF（词频-反向文档频率） 37 4.5 其他表示方式 38 4.6 Gensim中的向量变换 38 4.7 n-grams及其预处理技术 42 4.8 总结 44 第5章 词性标注及其应用 45 5.1 什么是词性标注 45 5.2 使用Python实现词性标注 49 5.3 使用spaCy进行词性标注 50 5.4 从头开始训练一个词性标注模型 53 5.5 词性标注的代码示例 57 5.6 总结 59 第6章 NER标注及其应用 60 6.1 什么是NER标注 60 6.2 用Python实现NER标注 64 6.3 使用spaCy实现NER标注 67 6.4 从头开始训练一个NER标注器 72 6.5 NER标注应用实例和可视化 77 6.6 总结 79 第7章 依存分析 80 7.1 依存分析 80 7.2 用Python实现依存分析 85 7.3 用spaCy实现依存分析 87 7.4 从头开始训练一个依存分析器 91 7.5 总结 98 第8章 主题模型 99 8.1 什么是主题模型 99 8.2 使用Gensim构建主题模型 101 8.3 隐狄利克雷分配（Latent Dirichlet Allocation） 102 8.4 潜在语义索引（Latent Semantic Indexing） 104 8.5 分层狄利特雷过程（Hierarchical Dirichlet Process） 105 8.6 动态主题模型 108 8.7 使用scikit-learn构建主题模型 109 8.8 总结 112 第9章 **主题建模 113 9.1 **训练技巧 113 9.2 探索文档 117 9.3 主题一致性和主题模型的评估 121 9.4 主题模型的可视化 123 9.5 总结 127 第 10章 文本聚类和文本分类 128 10.1 文本聚类 128 10.2 聚类前的准备工作 129 10.3 K-means 132 10.4 层次聚类 134 10.5 文本分类 136 10.6 总结 138 第 11章 查询词相似度计算和文本摘要 139 11.1 文本距离的度量 139 11.2 查询词相似度计算 145 11.3 文本摘要 147 11.4 总结 153 第 12章 Word2Vec、Doc2Vec和Gensim 154 12.1 Word2Vec 154 12.2 用Gensim实现Word2Vec 155 12.3 Doc2Vec 160 12.4 其他词嵌入技术 166 12.5 总结 172 第 13章 使用深度学习处理文本 173 13.1 深度学习 173 13.2 深度学习在文本上的应用 174 13.3 文本生成 177 13.4 总结 182 第 14章 使用Keras和spaCy进行深度学习 183 14.1 Keras和spaCy 183 14.2 使用Keras进行文本分类 185 14.3 使用spaCy进行文本分类 191 14.4 总结 201 第 15章 情感分析与聊天机器人 202 15.1 情感分析 202 15.2 基于Reddit的新闻数据挖掘 205 15.3 基于Twitter的微博数据挖掘 207 15.4 聊天机器人 209 15.5 总结 217