|
000
|
01759nam 2200325 450
|
|
001
|
012023000850
|
|
005
|
20231120145044.9
|
|
010
|
|
@a978-7-111-72515-2@dCNY99.00
|
|
100
|
|
@a20230424d2023 em y0chiy50 ea
|
|
101
|
1
|
@achi@ceng
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@aPython自然语言处理实战@APython zi ran yu yan chu li shi zhan@f(美) 真亚·安蒂科著@d= Python natural language processing cookbook@fZhenya Antic@g于延锁, 刘强译@zeng
|
|
210
|
|
@a北京@c机械工业出版社@d2023.4
|
|
215
|
|
@ax, 218页@c图@d24cm
|
|
225
|
2
|
@a人工智能开发与实战丛书@Aren gong zhi neng kai fa yu shi zhan cong shu
|
|
314
|
|
@aZhenya Antic, 自然语言处理 (NLP) 专家, 拥有麻省理工学院的计算机科学学士学位和加州大学伯克利分校的语言学博士学位, 目前在Practical Linguistics Inc.工作, 她通过自动化文本处理帮助企业改进流程并提高生产力。
|
|
330
|
|
@a本书从NLP的概述开始, 介绍了将文本分成句子、词干提取和词形还原、去除停用词和词性标记的方法, 以帮助您准备数据。然后, 您将学习提取和表示语法信息的方法, 例如依存分析和回指解析, 发现使用词袋、TF-IDF、词嵌入和BERT表示语义的不同方法, 并培养文本技能使用关键字、SVM、LSTM和其他技术进行分类。随着学习的深入, 您还将了解如何从文本中提取信息、实施无监督和有监督的主题建模技术, 以及对短文本 (如推文) 进行主题建模。
|
|
410
|
0
|
@12001 @a人工智能开发与实战丛书
|
|
500
|
10
|
@aPython natural language processing cookbook@mChinese
|
|
606
|
0
|
@a软件工具@Aruan jian gong ju@x程序设计
|
|
606
|
0
|
@a自然语言处理@Azi ran yu yan chu li
|
|
690
|
|
@aTP311.56@v5
|
|
690
|
|
@aTP391@v5
|
|
701
|
1
|
@a安蒂科@Aan di ke@g(Antic, Zhenya)@4著
|
|
702
|
0
|
@a于延锁@Ayu yan suo@4译
|
|
702
|
0
|
@a刘强@Aliu qiang@4译
|
|
801
|
0
|
@aCN@bCDNYKJZYXY@c20231120
|
|
905
|
|
@aCDNYKJZYXY@b300690243-4@dTP311.56@e328@f2
|
|
|
|
|
| |
| Python自然语言处理实战/(美) 真亚·安蒂科著= Python natural language processing cookbook/Zhenya Antic/于延锁, 刘强译.-北京：机械工业出版社，2023.4 |
| x, 218页：图；24cm.-(人工智能开发与实战丛书) |
| |
| |
| ISBN 978-7-111-72515-2：CNY99.00 |
| 本书从NLP的概述开始, 介绍了将文本分成句子、词干提取和词形还原、去除停用词和词性标记的方法, 以帮助您准备数据。然后, 您将学习提取和表示语法信息的方法, 例如依存分析和回指解析, 发现使用词袋、TF-IDF、词嵌入和BERT表示语义的不同方法, 并培养文本技能使用关键字、SVM、LSTM和其他技术进行分类。随着学习的深入, 您还将了解如何从文本中提取信息、实施无监督和有监督的主题建模技术, 以及对短文本 (如推文) 进行主题建模。 |
| ● |
正题名：Python自然语言处理实战
索取号：TP311.56/328
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
690243
|
300690243
|
流通五库四楼/
[索取号:TP311.56/328]
|
在馆
|
|
|
2
|
690244
|
300690244
|
流通五库四楼/
[索取号:TP311.56/328]
|
在馆
|
|
