基于Python的智能文本分析

从新闻、讲话，到社交媒体上非正式的聊天，自然语言是*丰富、且尚未充分利用的数据源之一。不但数据源源不断，在使用环境中还在不断调整、变化；还包含了很多传统数据源未能传达的信息。打开自然语言宝藏的钥匙，就是基于文本分析的创造性应用。这本实战指南介绍了从数据科学家角度如何建立语言感知产品并有效应用机器学习。您将学到如何用Python实现健壮、可重复和可扩展的文本分析，包括上下文特征和语言特征工程、向量化、分类、主题建模、实体解析、图分析和可视化操作。在本书的*后，您将获得解决众多复杂现实问题的实用方法。

预处理并将文本向量化成高维特征表示。·执行文档分类和主题建模。·通过可视化诊断指导模型选择过程。·提取关键短语、命名实体和图结构，实现文本数据推断。·建立对话框架，实现聊天机器人和语言驱动交互。·用Spark扩展处理能力，用神经网络实现对更复杂模型的支持。

Benjamin Bengfort是一位专门研究分布式系统、机器学习及其他相关技术的计算机科学家。Rebecca Bilbro是一名数据科学家和Python程序员，致力于研究机器学习工作流的可视化诊断。Tony Ojeda是District Data Labs的创始人和CEO，专注于商业策略应用分析、优化、预测服务，以及开源工具使用课程。陈光，北京邮电大学副教授，主要研究方向为机器学习和自然语言处理。