Python文本分析

迪潘简·撒卡尔机械工业出版社2018年

暂无评分
章节数
9
丛书
数据科学与工程技术丛书
ISBN
9787111593249

标签

计算机 编程设计 代码实现数据分析文本挖掘机器学习自然语言处理语义网络语料库文本分析

内容简介

《Python文本分析》由印度数据科学家迪潘简·撒卡尔（Dipanjan Sarkar）撰写，闫龙川、高德荃、李君婷翻译，2018年由机械工业出版社引进出版，属于“数据科学与工程技术丛书”，原书名为 Text Analytics with Python: A Practical Real-World Approach to Gaining Actionable Insights from Your Data。 全书采用“概念—方法—代码实现”的结构化写法：先讲清自然语言与语言学的基础，包括词、短语、从句、句法结构、语义关系与语义网络，并介绍文本语料库的标注与访问方式，勾勒机器翻译、语音识别、问答系统、文本摘要与文本分类等自然语言处理任务的全貌；随后回顾 Python 的语法、数据结构、函数式编程特性和常用文本处理方法，为后续实操打底。 主体部分围绕文本分析的核心流程展开：分词与句子切分、文本规范化（清洗、大小写转换、去停用词、词干提取与词形还原）、词性标注以及浅层分析、依存分析和成分结构分析等句法与结构解析技术；再进一步讲解文本分类的完整链条——特征工程、词袋模型与 TF-IDF 等向量化方法、朴素贝叶斯与支持向量机等分类器，以及模型评估方式。书中还涉及文本摘要、文本相似度与聚类、语义与情感分析等主题，并借助 nltk、gensim、scikit-learn、spaCy、Pattern 等开源库，配合新闻文章分类、App 与游戏评论的主题建模、电影概要聚类和影评情感分析等案例，把算法落到可运行的代码上。 全书共七章、约 273 页，适合希望把自然语言处理与机器学习技术用于真实文本数据处理的读者作为入门到进阶之间的桥梁读物。

编辑推荐

很多人学文本分析，卡在两头：一边是 NLTK、spaCy 的 API 背了一堆，却说不清分词、词性标注、依存分析背后到底在做什么；另一边是语言学教材里的句法、语义概念学了不少，却不知道怎样写成能跑通的代码。这本书的价值，正在于把这两头接起来。 作者的写法是先讲清“为什么”，再给“怎么做”：自然语言的结构与语义、语料库的标注体系被安排在开篇，后面分词、规范化、词性标注、浅层与依存分析、成分结构分析便有了理论支撑；进入文本分类后，从词袋、TF-IDF 等特征工程讲到朴素贝叶斯与支持向量机，再谈摘要、相似度、聚类和情感分析，流程是连贯的，不是零散技巧的拼盘。 更实用的是案例的“真实感”：新闻文章分类、App 与游戏评论的主题建模、电影概要聚类、影评情感分析，都是有业务含义的任务，读者可以按需替换成自己的数据。配套工具覆盖 nltk、gensim、scikit-learn、spaCy、Pattern，基本是工业与教学中的常见组合。 需要提醒的是，本书出版于 2018 年，代码环境与部分库的 API 已有变动，阅读时宜按当前版本文档调整；深度学习与预训练语言模型不在本书讨论范围内。但就“建立文本分析的完整方法论框架”这一点而言，它依然是一本扎实、耐读的中文入门书。

适合谁读

适合

不适合

阅读建议

  1. 建议先通读第1章与第2章，把语言学概念与 Python 文本处理基础打通，再进入代码较多的后续章节。
  2. 第3章的分词、规范化、词性标注建议边读边动手，用自己手上的评论或新闻数据走一遍流水线。
  3. 第4章到第7章可结合书中案例做改造练习，把新闻分类、影评情感分析换成自己熟悉的领域数据。
  4. 书中代码基于较早版本的工具库，运行时请对照 nltk、scikit-learn、spaCy 的当前官方文档修正 API。

出版社简介

机械工业出版社 中国 · 成立于 1950 年

机械工业出版社（China Machine Press）在科技与专业出版之外，库内图书还体现出对心理学、计算机、管理、财经与社科等方向的持续关注。心理学方面收入荣格作品及分析心理学导论，并涉及压力与健康、成瘾与疗愈等应用议题；计算机领域有《计算机程序的构造和解释（JavaScript版）》；管理与财经类包括《管理行为（原书第4版）》《不平等的代价（珍藏版）》《这次不一样：八百年金融危机史（纪念版）》；科学哲学与科学史方面则有《世界观（原书第3版）》。相关作者资源涵盖C.G.荣格、威廉·麦圭尔、索努·沙姆达萨尼、加博尔·马泰等。公开资料有限，以上仅据库内图书归纳其出版面貌。

目录

  1. 译者序
  2. 前言
  3. 第1章 自然语言基础
  4. 第2章 Python语言回顾
  5. 第3章 处理和理解文本
  6. 第4章 文本分类
  7. 第5章 文本摘要
  8. 第6章 文本相似度与聚类
  9. 第7章 语义与情感分析

常见问题

这本书适合零基础学 Python 的人读吗？ 不太适合。虽然第2章回顾了 Python 语法、数据结构与函数式编程，但篇幅有限、节奏偏快，更适合已经能独立写 Python 脚本、只是不熟悉文本处理流程的读者。完全没有编程经验的人建议先补一门 Python 入门课再回来阅读。
这本书和《Python文本分析（原书第2版）》有什么区别？ 本书是2018年出版的第1版中译本，共七章、约273页，ISBN 9787111593249；第2版于2020年由机械工业出版社出版，页数与内容有所扩充，增加了词袋、N-Gram、TF-IDF、LDA 等特征工程与主题模型的讲解。购买时请按 ISBN 区分，不要混为一谈。
书中的代码和工具库现在还能用吗？ 书中的思路与算法仍然成立，但部分代码依赖的 nltk、scikit-learn、spaCy 等库已多次更新，个别接口、参数名和数据下载方式有变化。建议按当前版本官方文档调整后再运行，遇到报错优先查阅对应库的更新说明。
读完能掌握哪些实际能力？ 大致可以独立完成一套文本分析流程：读取并清洗文本、分词与规范化、词性标注与句法分析、构建 TF-IDF 等特征、训练朴素贝叶斯或 SVM 分类器并评估效果，以及做主题建模、文本聚类和情感分析，并理解这些方法各自的适用边界。
书里有中文分词的内容吗？ 本书以英文文本为主线，分词、词干提取、词形还原等章节的方法与示例主要面向英文语料，并未系统讲解 jieba 等中文分词工具。处理中文的读者可以把书中的框架迁移过来，但分词与停用词部分需要额外查阅中文分词相关资料。

本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。

作者简介

迪潘简·撒卡尔 作者

迪潘简·撒卡尔（Dipanjan Sarkar）是一位与计算机与编程设计领域相关的作者，目前公开资料有限，尚无法确认其国籍、生卒年及具体职业经历。在库内收录的作品中，能看到他的代表作为《Python文本分析》，这本书围绕使用Python开展文本处理与分析展开，属于计算机技术写作中偏向实践应用的一类。从现有信息看，他的写作面向希望借助编程工具处理语言数据的读者，题材集中在文本分析这一细分方向，强调以Python为工具完成相关任务。受资料所限，其生平细节、学术背景与社会影响均不明确，读者可将其作为技术类图书作者来了解，并通过该作品认识其在文本分析主题上的表达方式与关注点。