登录
首页 » Python » 《自然语言处理入门》随书代码

《自然语言处理入门》随书代码

于 2021-05-06 发布
0 303
下载积分: 1 下载次数: 2

代码说明:

适读人群 :对自然语言处理感兴趣的普通程序员、算法工程师,计算机专业本科生,低年级研究生。 配套代码集成到广受欢迎的自然语言处理工具包 HanLP 中,Java 与 Python 代码双实现,适合培训。 你一定能看懂的自然语言处理(NLP)入门教程! 这是一本把读者阅读体验放在首位的中文 NLP 图书,作者采用从问题到算法再到工程实现的写作思路,只允许必不可少的公式出现,降低了读者学习的门槛,通俗易懂、容易上手。是一本可以在地铁上也能学会 NLP 开发的图书。 全书有以下特点: 1. 图文并茂,算法、公式、代码相互印证,Java 与 Python 双实现。 2. 学习路径清晰,问题导向、算法实现、工程实战,简单易懂好上手,双色印刷阅读体验佳。 3. 业内专家——工业界周明、李航、刘群、王斌、杨攀,学术界宗成庆、刘知远、张华平 联合推荐。 4. 作者何晗(@hankcs)兼具一线实战经验与硬核学术背景。自然语言处理开源项目 HanLP 作者(GitHub Star 数远超宾夕法尼亚大学的 NLTK、斯坦福大学的 CoreNLP 以及哈工大的 LTP)埃默里大学计算机博士生,研究方向是句法分析、语义分析与问答系统。 【文件目录】 《自然语言处理入门》随书代码 ├── README.url├── hanlp-java.zip└── hanlp-python.zip0 directories, 3 files

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • python根据历史数据,预测未来数据
    python根据历史数据,预测未来数据
    2019-12-07下载
    积分:1
  • 神经网络gcn代码
    gcn
    2020-11-09下载
    积分:1
  • 多项式拟合(LSM.py)
    多项式拟合(LSM.py)
    2020-11-30下载
    积分:1
  • python机器学习(课件+源码+视频教程)
    python机器学习(课件+源码+视频教程)
    2019-04-03下载
    积分:1
  • 编写程序,输入两个分别包含若干整数的列表LA、LB.py
    【实例简介】编写程序,输入两个分别包含若干整数的列表LA、LB.py 编写程序,输入两个分别包含若干整数的列表LA、LB,输出一个字典,要求用LA中的元素作为键,用LB中的元素作为值,并且最终字典中的元素数量取决于LA和LB中元素较少的列表的数量;
    2022-01-10 00:31:45下载
    积分:1
  • 深度学习之三:深度强化学习(DQN-Deep Q Network)之应用-Flappy Bird
    目录1.达到的目的2.思路   2.1.强化学习(RL Reinforcement Learing)   2.2.深度学习(卷积神经网络CNN)3.踩过的坑4.代码实现(python3.5)5.运行结果与分析
    2019-08-09下载
    积分:1
  • Python测试小程序;自动播报,串口读取检测
    做物联网涉及到实际使用环境语音识别准确率的测试,大量的语料如果是人来朗读的话太费功夫,编一个自动测试程序即可无人通宵测试,大大提高了效率;朗读上可以通过调用powershell来朗文档中的语料,通然后过串口抓取设备设备对语料响应的数据进行分析把识别结果写入到文档当中; 需要安装serial(串口支持模块)和openxl(Exel文档支持模块);编译调试完成打包为.exe文件,可在没有配置python环境的电脑上运行; 使用到python多线程(通过Queue线程间通信),还有文档读写操作;很有参考价值,
    2021-05-06下载
    积分:1
  • python强化学习(于matplotlib)
    python强化学习(基于matplotlib)
    2020-02-23下载
    积分:1
  • Python编程快速上手—让繁琐工作自动化(源码)
    【实例简介】
    2021-05-18 10:33:09下载
    积分:1
  • 信用异常检测(.ipynb)
    样本数据不均衡的数据的解决方案: 过采样:生成样本少的样本,和样本多的样本一样多(同样多) 下采样:两种样本一样小,从多的样本中删除一部分(同样少) 特征缩放:对Amount列进行特征缩放,使其分布范围和其他特征属性的分布范围保持一致 机器学习误区:会认为数值大的数据重要程度较大,但是我们拿到数据,其实每个属性的重要程度是一样的,所以需要进行特征缩放 所以可以进行:归一化(缩放到0~1)或者标准化(缩放到-1~1)
    2020-12-07下载
    积分:1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载