人工智能研究中一个重要的部分就是实现机器设备和人的无障碍交互，而人类最自然常用和最精确的交互方式便是使用语言和文字。因此，从一定程度上说，计算设备对自然语言处理的能力，决定了其人工智能的智力。
雅兰·萨纳卡著的《Python自然语言处理》致力于总体介绍自然语言处理领域中的一些概念、术语、应用任务、算法和技术、系统搭建方法等，非常适合作为对自然语言处理任务感兴趣的初学者进入该领域的入门书籍。
你能学习到：
自然语言处理应用开发中的Python编程方法，理解自然语言数据属性和语料分析处理的方法。
使用Python类库处理自然语言，像NLTK、Polyglot、SpaCy、Standford CoreNLP等。
特征工程中特征抽取和特征选择的方法。
深度学习中向量化方法的优势。
更好地理解规则式系统的架构。
使用自然语言处理中的有监督和无监督机器学习方法进行训练与调优。
为自然语言处理和自然语言生成问题找到合适的深度学习方法。

雅兰·萨纳卡，是一名数据科学领域的研究者和科学家。她喜欢解决和数据科学相关的问题。她希望能够使用数据科学和人工智能技术，让这个世界变得更美好。她的研究兴趣包括自然语言处理、机器学习、深度学习和大数据分析。除了是一名数据科学家之外，Jalaj也是一位社会活动家、旅行家和大自然爱好者。

译者序
推荐序
作者介绍
关于审校人员
前言
第1章 引言
1.1 自然语言处理
1.2 基础应用
1.3 高级应用
1.4 NLP和Python相结合的优势
1.5 nltk环境搭建
1.6 读者提示
1.7 总结
第2章 实践理解语料库和数据集
2.1 语料库
2.2 语料库的作用
2.3 语料分析
2.4 数据属性的类型
2.4.1 分类或定性数据属性
2.4.2 数值或定量数据属性
2.5 不同文件格式的语料
2.6 免费语料库资源
2.7 为NLP应用准备数据集
2.7.1 挑选数据
2.7.2 预处理数据集
2.8 网页爬取
2.9 总结
第3章 理解句子的结构
3.1 理解NLP的组成
3.1.1 自然语言理解
3.1.2 自然语言生成
3.1.3 NLU和NLG的区别
3.1.4 NLP的分支
3.2 上下文无关文法
3.3 形态分析
3.3.1 形态学
3.3.2 词素
3.3.3 词干
3.3.4 形态分析
3.3.5 词
3.3.6 词素的分类
……
第4章 预处理
第5章 特征工程和NLP算法
第6章 高级特征工程和NLP算法
第7章 规则式自然语言处理系统
第8章 自然语言处理中的机器学习方法
第9章 NLU和NLG问题中的深度学习
第10章 高级工具
第11章 如何提高你的NLP技能
第12章 安装指导