基础篇
第1章　自然语言处理实践基础　2
　1.1　开发环境准备　2
1.1.1　Windows命令行cmd　3
1.1.2　在Windows下使用Java　4
1.1.3　Linux终端　6
1.1.4　在Linux下使用Java　7
1.1.5　Eclipse集成开发环境　8
　1.2　技术基础　9
1.2.1　机器学习　9
1.2.2　Java基础　9
1.2.3　信息采集　10
1.2.4　文本挖掘　11
1.2.5　SWIG扩展Java性能　11
1.2.6　代码移植　12
1.2.7　语义　14
1.2.8　Hadoop分布式计算框架　15
　1.3　专业术语　18
开发篇
第2章　中文分词原理与实现　20
　2.1　接口　20
2.1.1　切分方案　22
2.1.2　词典格式　22
　2.2　散列表最长匹配中文分词　23
2.2.1　算法实现　23
2.2.2　使用Ant构建分词jar包　24
2.2.3　使用Maven构建分词jar包　27
2.2.4　使用Gradle构建分词jar包　28
2.2.5　生成JavaDoc　29
　2.3　查找词典算法　30
2.3.1　标准Trie树　30
2.3.2　三叉Trie树　33
　2.4　Trie树最大长度匹配法　39
2.4.1　正向最大长度匹配法　39
2.4.2　逆向最大长度匹配法　43
2.4.3　有限状态机识别未登录串　47
　2.5　概率语言模型的分词方法　53
2.5.1　一元模型　54
2.5.2　整合基于规则的方法　59
2.5.3　表示切分词图　60
2.5.4　形成切分词图　65
2.5.5　数据基础　67
2.5.6　改进一元模型　76
2.5.7　二元词典　78
2.5.8　完全二叉树组　83
2.5.9　三元词典　86
2.5.10　N元模型　86
2.5.11　N元分词　87
2.5.12　生成语言模型　93
2.5.13　评估语言模型　94
2.5.14　概率分词的流程与结构　94
2.5.15　可变长N元分词　95
2.5.16　条件随机场　95
　2.6　新词发现　96
　2.7　Android系统中文输入法　100
　2.8　词性标注　102
2.8.1　数据基础　105
2.8.2　隐马尔可夫模型　106
2.8.3　存储数据　113
2.8.4　统计数据　118
2.8.5　整合切分与词性标注　120
2.8.6　大词表　123
2.8.7　词性序列　123
2.8.8　基于转换的学习方法　123
2.8.9　实现词性标注　125
　2.9　词类模型　126
　2.10　未登录词识别　127
2.10.1　未登录人名　127
2.10.2　提取候选人名　128
2.10.3　最长人名切分　134
2.10.4　一元概率人名切分　134
2.10.5　二元概率人名切分　136
2.10.6　未登录地名　138
2.10.7　未登录企业名　138
　2.11　中文分词总体结构　138
　2.12　平滑算法　139
2.12.1　最大熵　142
2.12.2　实现中文分词　146
　2.13　地名切分　147
2.13.1　识别未登录地名　147
2.13.2　整体流程　152
　2.14　企业名切分　154
2.14.1　识别未登录词　154
2.14.2　整体流程　156
　2.15　结果评测　156
　2.16　专业术语　157
第3章　语义分析　158
　3.1　句法分析树　158
　3.2　依存文法　162
3.2.1　中文依存文法　162
3.2.2　英文依存文法　169
3.2.3　生成依存文法树　176
3.2.4　机器学习的方法　179
　3.3　依存语言模型　180
3.4　使用Java计算机语言的语义分析　180
　3.5　专业术语　183
第4章　文章分析　184
　4.1　分词　184
4.1.1　句子切分　184
4.1.2　识别未登录串　186
4.1.3　切分边界　187
　4.2　词性标注　188
　4.3　重点词汇提取　190
　4.4　句子时态分析　190
　4.5　专业术语　191
第5章　文档语义　192
　5.1　相似度计算　192
5.1.1　夹角余弦　192
5.1.2　最长公共子串　194
5.1.3　同义词替换　197
5.1.4　地名相似度　198
5.1.5　企业名相似度　201
　5.2　文档排重　201
5.2.1　关键词排重　201
5.2.2　语义指纹排重　203
5.2.3　分布式文档排重　212
5.2.4　使用文档排重　213
　5.3　在搜索引擎中使用文档排重　214
　5.4　专业术语　214
第6章　信息提取　215
　6.1　指代消解　215
　6.2　中文关键词提取　216
6.2.1　关键词提取的基本方法　216
6.2.2　HITS算法应用于关键词提取　218
6.2.3　从网页中提取关键词　219
　6.3　信息提取　220
6.3.1　提取联系方式　221
6.3.2　从互联网提取信息　222
6.3.3　提取地名　222
　6.4　拼写纠错　223
6.4.1　模糊匹配问题　225
6.4.2　正确词表　233
6.4.3　英文拼写检查　234
6.4.4　中文拼写检查　235
　6.5　输入提示　237
　6.6　专业术语　237
第7章　自动摘要　238
　7.1　自动摘要技术　238
7.1.1　英文文本摘要　240
7.1.2　中文文本摘要　242
7.1.3　基于篇章结构的自动摘要　245
7.1.4　句子压缩　245
　7.2　指代消解　246
　7.3　多文档摘要　246
　7.4　分布式部署　246
　7.5　专业术语　248
第8章　文本分类　249
　8.1　地名分类　250
　8.2　文本模板分类　251
　8.3　特征提取　251
　8.4　线性分类器　254
8.4.1　关键词加权法　254
8.4.2　朴素贝叶斯　257
8.4.3　贝叶斯文本分类　262
8.4.4　支持向量机　262
8.4.5　多级分类　269
8.4.6　使用sklearn实现文本分类　270
8.4.7　规则方法　270
8.4.8　网页分类　272
　8.5　FastText文本分类　273
8.5.1　词向量　273
8.5.2　JavaCPP包装Java接口　273
8.5.3　使用JFastText　274
　8.6　最大熵分类器　275
　8.7　文本聚类　276
8.7.1　K均值聚类算法　276
8.7.2　K均值聚类算法的实现　277
8.7.3　深入理解DBScan算法　281
8.7.4　使用DBScan算法聚类实例　282
　8.8　持续集成　283
　8.9　专业术语　284
第9章　文本倾向性分析　285
　9.1　确定词语的褒贬倾向　287
　9.2　实现情感识别　288
　9.3　专业术语　290
系统篇
第10章　语音识别　292
　10.1　总体结构　292
10.1.1　识别中文　294
10.1.2　自动问答　295
　10.2　语音库　297
　10.3　语音　297
10.3.1　标注语音　300
10.3.2　动态时间规整计算相似度　301
　10.4　Sphinx语音识别　303
10.4.1　中文训练集　305
10.4.2　使用Sphinx4　306
10.4.3　ARPA文件格式　307
10.4.4　PocketSphinx语音识别引擎　309
　10.5　说话人识别　312
　10.6　专业术语　313
第11章　问答系统　314
　11.1　问答系统的结构　314
11.1.1　提取问答对　315
11.1.2　等价问题　315
　11.2　问句分析　316
11.2.1　问题类型　316
11.2.2　句型　319
11.2.3　业务类型　319
11.2.4　依存文法树　319
11.2.5　指代消解　320
11.2.6　二元关系　320
11.2.7　问句模板　322
11.2.8　结构化问句模板　323
11.2.9　检索方式　325
11.2.10　问题重写　327
11.2.11　提取事实　327
11.2.12　验证答案　329
　11.3　知识库　329　
　11.4　AIML聊天机器人　330
11.4.1　交互式问答　332
11.4.2　垂直领域问答系统　333
11.4.3　语料库　335
11.4.4　客户端　335
　11.5　自然语言生成　335
　11.6　JavaFX开发界面　336
　11.7　专业术语　337
第12章　机器翻译　338
　12.1　使用机器翻译API　338
　12.2　翻译日期　338
　12.3　神经机器翻译　340
　12.4　辅助机器翻译　341
　12.5　机器翻译的评价　342
　12.6　专业术语　342
参考文献　343
后记　344