파이썬 자연어 처리의 이론과 실제

자연어 처리는 복잡한 영역이라 아주 많은 자료가 존재한다. 학습자가 자연어 처리를 익히려면 여기저기 발품을 팔아야 하는 실정이다. 저자는 이와 같은 현실을 깨닫고 한 권의 책으로 파이썬 자연어 처리의 전반을 이해할 수 있게 집필했다. 이 책은 자연어 처리 기초부터 머신 러닝, 딥러닝에 이르기까지 안내서이자 참고서의 역할을 톡톡히 해낼 것이다.

1장. 소개 __자연어 처리에 대한 이해 __기본 애플리케이션 이해 __공생의 이점: NLP와 파이썬 __NLTK 환경 설정 __독자를 위한 팁 2장. 코퍼스와 데이터세트의 실제 이해 __코퍼스란 무엇인가? __왜 코퍼스가 필요한가? __코퍼스 분석 이해 __데이터 속성 타입 이해 __코포라의 여러 파일 형식 알아보기 __무료 코포라 접근용 자원 __NLP 애플리케이션용 데이터세트 준비 __웹 스크레이핑 __요약 3장. 문장 구조의 이해 __NLP의 컴포넌트 이해 __자연어 이해 __문맥 자유 문법 정의 __형태학적 분석 __구문 분석 __의미 분석 __모호성 처리 __담화 통합 __화용 분석 __요약 4장. 전처리 __코퍼스-원시 텍스트 처리 __코퍼스-원시 문장 처리 __기본 전처리 __실제적이고 사용자 정의된 전처리 __요약 5장. 피처 엔지니어링과 NLP 알고리즘 __피처 엔지니어링 이해 __NLP의 기본 피처 __NLP에 대한 기본 통계 피처 __피처 엔지니어링의 이점 __피처 엔지니어링의 과제 __요약 6장. 고급 피처 엔지니어링과 NLP 알고리즘 __워드 임베딩에 대한 기억 __word2vec의 기본 사항 이해 __word2vec 모델을 블랙박스에서 화이트박스로 변환하기 __word2vec 모델의 컴포넌트 이해하기 __word2vec 모델의 로직 이해하기 __word2vec 모델의 알고리즘 기술과 수학 이해하기 __word2vec에 관련된 사실 __word2vec 애플리케이션 __간단한 예제 구현 __word2vec의 이점 __word2vec의 문제 __실제 애플리케이션에서 word2vec은 어떻게 사용되는가? __word2vec는 언제 사용해야 하는가? __흥미로운 모델 개발하기 __word2vec 개념의 확장 __딥러닝에서 벡터화의 중요성 __요약 7장. NLP를 위한 규칙 기반 시스템 __규칙 기반 시스템에 대한 이해 __규칙 기반 시스템 장착의 목적 __RB 시스템의 아키텍처 __RB 시스템 개발 라이프 사이클에 대한 이해 __애플리케이션 __RB 시스템을 사용해 NLP 애플리케이션 개발 __규칙 기반 접근법과 다른 접근법 비교 __규칙 기반 시스템의 장점 __규칙 기반 시스템의 단점 __규칙 기반 시스템에 대한 과제 __단어 의미의 모호성 기본에 대한 이해 __규칙 기반 시스템의 최근 동향에 대한 논의 __요약 8장. NLP 문제에 대한 머신 러닝 __머신 러닝의 기본에 대한 이해 __NLP 애플리케이션 개발 단계 __ML 알고리즘과 기타 개념 이해 __NLP 애플리케이션을 위한 하이브리드 접근법 __요약 9장. NLU과 NLG 문제에 대한 딥러닝 __인공지능 개요 __NLU와 NLG 비교 __딥러닝에 대한 간략한 개요 __신경망의 기본 지식 __ANN 구현 __딥러닝과 심층 신경망 __딥러닝 기술과 NLG __경사 하강법 기반의 최적화 __인공지능 대 인간지능 __요약 부록 A. 고급 도구 __저장소 프레임워크로서의 아파치 하둡 __프로세싱 프레임워크로서의 아파치 스파크 __실시간 프로세싱 프레임워크로서의 아파치 플링크 __파이썬의 시각화 라이브러리 __요약 부록 B. NLP 기술을 향상시키는 방법 __NLP로 새로운 경력 쌓기 __치트 시트 __자신의 영역 선택 __성공을 달성하기 위한 일의 민첩한 방식 __NLP와 데이터 과학에 대해 유용한 블로그 __공개 데이터세트 얻기 __데이터 과학에 필요한 수학 __요약 부록 C. 설치 안내 __파이썬, pip, NLTK 설치 __PyCharm IDE 설치하기 __종속성 설치 __프레임 설치 가이드 __질문 __요약