本书理论联系实践，深入浅出，知识点全面，通过阅读本书，读者不仅可以理解自然语言处理的知识，还能通过实战项目案例更好地将理论融入实际工作中。

  
\t本书从自然语言处理基础开始，逐步深入各种自然语言处理的热点前沿技术，使用了Java和Python两门语言精心编排了大量代码实例，契合公司实际工作场景技能，侧重实战。
全书共19章，详细讲解中文分词、词性标注、命名实体识别、依存句法分析、语义角色标注、文本相似度算法、语义相似度计算等内容，同时提供配套完整实战项目，例如对话机器人实战、搜索引擎项目实战、推荐算法系统实战。
本书理论联系实践，深入浅出，知识点全面。通过阅读本书，读者不仅可以理解自然语言处理知识，还能通过实战项目案例更好地将理论融入实际工作中。
本书适合自然语言处理的初学者阅读，有一定经验的算法工程师也可从书中获取很多有价值的知识，并通过实战项目更好地理解自然语言处理的核心内容。

第1章自然语言处理技术概述
1.1自然语言处理介绍
1.1.1自然语言处理的定义及其在实际工作中的定位
1.1.2自然语言处理的经典应用场景
1.2自然语言处理的技能要求和职业发展路径
1.2.1大数据部门组织架构和自然语言处理职位所处位置
1.2.2自然语言处理的职位介绍和技能要求
1.2.3自然语言处理的职业生涯规划和发展路径
1.2.4自然语言处理的市场平均薪资水平
第2章中文分词
2.1中文分词原理
2.2规则分词
2.2.1正向优选匹配法
2.2.2逆向优选匹配法
2.2.3双向优选匹配法
2.3机器学习统计分词
2.3.1隐马尔可夫模型分词
2.3.2感知器分词
2.3.3CRF分词
2.4分词工具实战
2.4.1CRF++工具包实战
2.4.2Python的Jieba分词
2.4.3Java的HanLP分词
2.4.4Java的IK分词
2.4.5Java的mmseg4j分词
第3章词性标注
3.1词性标注原理
3.1.1词性介绍
3.1.2HMM词性标注
3.1.3感知器词性标注
3.1.4CRF词性标注
3.2词性标注工具实战
3.2.1Python的Jieba词性标注
3.2.2Java的HanLP词性标注
……