spaCy自然语言处理从入门到进阶电子书

内容简介

前言

第1章 spaCy简介

1.1 自然语言处理的发展过程

1.2 自然语言处理的基础任务

1.3 spaCy的核心概念

1.3.1 nlp对象

1.3.2 Doc对象

1.3.3 Token对象

1.3.4 Span对象

1.4 spaCy的安装方法

1.4.1 使用pip安装

1.4.2 使用Conda安装

1.5 spaCy的基础操作

1.5.1 训练模型

1.5.2 预测模型

第2章 抽取语言学特征

2.1 基本操作

2.1.1 分词

2.1.2 截取词符

2.1.3 获取文本特征

2.1.4 词性标注

2.1.5 依存关系解析

2.1.6 命名实体识别

2.2 用已有模型预测

2.2.1 预测文字、词性标签和依存关系标签

2.2.2 预测命名实体识别的结果

2.2.3 手动创建命名实体

2.3 基于规则的匹配器

2.3.1 Matcher与正则表达式

2.3.2 模板匹配

2.4 定义匹配规则

2.4.1 运算符和量词

2.4.2 文本匹配

2.4.3 词性匹配

第3章 信息提取

3.1 数据结构的基本概念

3.2 词汇表、字符串库和语素

3.2.1 词汇表和字符串库

3.2.2 语素

3.2.3 转换

3.3 文档、截取和词符

3.3.1 文档及其创建

3.3.2 截取及其创建

3.3.3 词符及其创建

3.4 综合实践——比对相似度

3.4.1 训练词向量

3.4.2 处理文本

3.4.3 计算相似度

3.5 综合实践——文本匹配

3.5.1 基于规则的方法

3.5.2 匹配不成功时的调试方法

3.5.3 直接精确匹配字符串

第4章 流程

4.1 流程组件

4.1.1 流程组件的概念

4.1.2 流程组件的运行

4.1.3 流程组件的属性

4.1.4 流程组件的配置

4.1.5 流程组件的检查

4.2 定制化流程组件

4.2.1 定制化流程组件的应用

4.2.2 定制化流程组件的应用示例

4.2.3 用定制化流程组件打印文档的词符长度

4.2.4 定制化流程组件的综合应用示例

4.3 定制化属性

4.3.1 添加定制化属性

4.3.2 注册定制化属性

4.3.3 定制化属性的类别

4.3.4 设置定制化属性

4.4 定制化模型组件

4.5 含有定制化属性的定制化流程组件

4.6 流程的优化

4.6.1 流模式

4.6.2 传入语境

4.6.3 仅使用分词器

4.6.4 关闭流程组件

4.7 处理流

4.7.1 从遍历文本到遍历处理流

4.7.2 将处理流转化为Doc列表

4.7.3 处理流和模板匹配

4.7.4 在语境中处理数据

4.8 流程的控制

4.8.1 nlp.make_doc()方法

4.8.2 nlp.select_pipes()方法

第5章 更新和训练模型

5.1 更新模型

5.2 训练模型

5.3 准备数据

5.3.1 训练数据

5.3.2 测试数据

5.3.3 评估数据

5.4 配置和训练模型

5.4.1 配置文件

5.4.2 训练流程

5.4.3 读取流程

5.4.4 打包流程

5.4.5 使用流程

5.4.6 检测模型

5.5 模型训练中的问题

5.5.1 灾难性遗忘问题

5.5.2 模型不能学会所有东西

5.6 数据标注

5.7 训练多个标签

5.7.1 实体的位置参数

5.7.2 缺失标签的训练数据

5.7.3 加入标签的训练数据

第6章 实践案例——构建对话机器人

6.1 对话机器人

6.1.1 对话机器人的概念

6.1.2 对话机器人的功能

6.1.3 对话机器人的工作流程

6.1.4 对话机器人的分类

6.1.5 对话机器人的架构方案

6.2 对话机器人的设计

6.2.1 需求设计

6.2.2 工程设计

6.3 代码实现

6.3.1 自然语言理解模块

6.3.2 对话管理模块

6.3.3 业务动作模块

6.3.4 自然语言生成模块

6.3.5 代码集成

第7章 使用大语言模型

7.1 大语言模型

7.1.1 大语言模型的概念

7.1.2 大语言模型的重要性

7.2 大语言模型的工作原理

7.2.1 模型的训练

7.2.2 模型的预测

7.3 提示

7.3.1 提示的概念

7.3.2 提示工程

7.3.3 提示的实际应用

7.4 spaCy和大语言模型

7.4.1 安装spaCy大语言模型支持包

7.4.2 在spaCy中配置大语言模型

7.5 实际应用

7.5.1 文本分类

7.5.2 命名实体识别

7.6 大语言模型的优点和缺点

7.6.1 大语言模型的优点

7.6.2 大语言模型的缺点

7.7 未来趋势

7.7.1 当前的研究趋势

7.7.2 未来可能出现的影响