作為一個自然語言處理的初學(xué)者，看書看到“訓(xùn)練模型”，這模型那模型的，一直不知道模型究竟是什么東西。看了這本書，從預(yù)處理數(shù)據(jù)到提取特征集，訓(xùn)練模型，測試修改等，一步一步實際操作了之后，才對模型一詞有了直觀的認(rèn)識（算法的中間結(jié)果，存儲在計算機中的一個個 pkl 文件，測試的時候直接用，前面計算過的就省了）。以后聽人談“模型”的時候也有了底氣。當(dāng)然，模型還有很多其他含義。還有動詞的“配價”、各種搭配、客觀邏輯對根據(jù)文法生成的句子的約束如何實現(xiàn)？不上機動手做做，很難真正領(lǐng)悟。

　　自然語言處理理論書籍很多，講實際操作的不多，能講的這么系統(tǒng)的更少。從這個角度講，本書是目前世界上最好的自然語言處理實踐教程。初學(xué)者若在看過理論之后能精讀本書，必定會有獲益。這也是翻譯本書的目的之一。

?

　　PYTHON 自然語言處理

　　從輸入法聯(lián)想提示（pre dictive text）、email 過濾到自動文本摘要、機器翻譯，大量的語言相關(guān)的技術(shù)都離不開自然語言處理的支持，而這本書提供了自然語言處理非常方便的入門指南。通過它，你將學(xué)到如何寫能處理大量非結(jié)構(gòu)化文本的 Python 程序。你將獲得有豐富標(biāo)注的涵蓋語言學(xué)各種數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)集，而且你將學(xué)到分析書面文檔內(nèi)容和結(jié)構(gòu)的主要算法。

　　這是一本關(guān)于自然語言處理的書。所謂“自然語言”，是指人們?nèi)粘＝涣魇褂玫恼Z言，如英語，印地語，葡萄牙語等。相對于編程語言和數(shù)學(xué)符號這樣的人工語言，自然語言隨著一代人傳給另一代人而不斷演化，因而很難用明確的規(guī)則來刻畫。從廣義上講，“自然語言處理”（Natural Language Processing 簡稱 NLP）包含所有用計算機對自然語言進行的操作，從最簡單的通過計數(shù)詞出現(xiàn)的頻率來比較不同的寫作風(fēng)格，到最復(fù)雜的完全“理解”人所說的話，至少要能達(dá)到對人的話語作出有效反應(yīng)的程度。

　　基于 NLP 的技術(shù)應(yīng)用日益廣泛。例如：手機和手持電腦支持輸入法聯(lián)想提示和手寫識別；網(wǎng)絡(luò)搜索引擎能搜到非結(jié)構(gòu)化文本中的信息；機器翻譯能把中文文本翻譯成西班牙文。通過提供更自然的人機界面和更復(fù)雜的存儲信息獲取手段，語言處理正在這個多語種的信息社會中扮演更核心的角色。這本書提供自然語言處理領(lǐng)域非常方便的入門指南。它可以用來自學(xué)，也可以作為自然語言處理或計算語言學(xué)課程的教科書，或是人工智能、文本挖掘、語料庫語言學(xué)課程的補充讀物。本書的實踐性很強，包括幾百個實際可用的例子和分級練習(xí)。本書基于 Python 編程語言及其上的一個名為自然語言工具包（Natural Language Toolk it，簡稱 NLTK）的開源庫。NLTK 包含大量的軟件、數(shù)據(jù)和文檔，所有這些都可以從 http:/ /www.nltk.org/免費下載。NLTK 的發(fā)行版本支持 Windows、Macintosh 和 Unix 平臺。我們強烈建議你下載 Python 和 NLTk，與我們一起嘗試書中的例子和練習(xí)。

　　本書前幾章按照概念的難易程度編排。先是實用性很強的語言處理的入門介紹，講述如何使用很短的 Python 程序分析感興趣的文本信息（1-3 章）。接著是結(jié)構(gòu)化程序設(shè)計章節(jié)（第 4 章），用來鞏固散布在前面幾章中的編程要點。之后，速度加快，我們用一系列章節(jié)講述語言處理的主要內(nèi)容：標(biāo)注、分類和信息提取（5-7 章）。接下來的三章探索分析句子、識別句法結(jié)構(gòu)和構(gòu)建表示句意的方法（8-10 章）。最后一章講述如何有效管理語言數(shù)據(jù)（第 1 1 章）。本書結(jié)尾處的后記簡要討論了 NLP 的過去和未來。

　　每一章中我們都在兩種不同的敘述風(fēng)格間切換。一種風(fēng)格是以自然語言為主線。我們分析語言，探索語言學(xué)概；在討論中使用編程的例子。我們經(jīng)常會使用尚未系統(tǒng)介紹的 Pytho n 結(jié)構(gòu)，這樣你可以在鉆研這些程序如何運作的細(xì)節(jié)之前了解它們的效能。就像學(xué)習(xí)一門外語的慣用表達(dá)一樣，你能夠買到好吃的糕點而不必先學(xué)會復(fù)雜的提問句型。敘述的另一種風(fēng) 17 格是以程序設(shè)計語言為主線。我們將分析程序、探索算法，而語言學(xué)例子將扮演配角。每章結(jié)尾都有一系列分級練習(xí)，用于鞏固學(xué)到的知識。練習(xí)按照如下的標(biāo)準(zhǔn)分級：○初級練習(xí)：對范例代碼作稍微修改等簡單的練習(xí)；?中級練習(xí)：深入探索材料的一個方面，需要仔細(xì)的分析和設(shè)計；●高級練習(xí)：開放的任務(wù)，挑戰(zhàn)你對材料的理解并迫使你獨立思考解決的方案（新學(xué)編程的讀者應(yīng)該跳過這些）