Preface
前　　言
為何寫作本書
隨著人工智能的蓬勃發(fā)展，大量應(yīng)用場(chǎng)景中都會(huì)涉及文本的內(nèi)容理解技術(shù)。由于場(chǎng)景不同，目前文本內(nèi)容理解沒有統(tǒng)一的模板，解決起來(lái)并不容易。市場(chǎng)上有各種各樣的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語(yǔ)言處理等資料，但是都沒有與業(yè)務(wù)場(chǎng)景緊密地聯(lián)系起來(lái)，即使有聯(lián)系也很籠統(tǒng)，并沒有涉及實(shí)際業(yè)務(wù)場(chǎng)景中非常瑣碎的細(xì)節(jié)問(wèn)題。而只有把這些細(xì)節(jié)問(wèn)題解決好，才能更好地發(fā)展業(yè)務(wù)。同時(shí)，市面上從問(wèn)題的角度講解算法等相關(guān)知識(shí)的書很少，而在業(yè)務(wù)場(chǎng)景中更多的是通過(guò)簡(jiǎn)單且匹配的技術(shù)解決業(yè)務(wù)問(wèn)題。所以，我想把如何從問(wèn)題的角度拆解問(wèn)題，然后通過(guò)匹配的技術(shù)解決業(yè)務(wù)問(wèn)題的方法分享給大家。
在很多人眼里，寫書是一件很困難的事情。不過(guò)我很想挑戰(zhàn)一下，想在這種痛苦的煎熬之后，榨干自己的思想，交上一份滿意的答卷。而且我一直堅(jiān)信寫書是一件非常有意義的事情，不僅能將自己積淀的知識(shí)固化下來(lái)，還能在回顧技術(shù)的過(guò)程中閃現(xiàn)更多新的想法。最最重要的是，我覺得把自己的技術(shù)經(jīng)驗(yàn)、業(yè)務(wù)經(jīng)驗(yàn)、深度思考等分享給更多的人，讓更多的人可以站在前人的經(jīng)驗(yàn)上繼續(xù)前行，是一件無(wú)私且偉大的事情。
這本書是我和自己讀研時(shí)期的摯友共同完成的。寫書不僅加深了我們之間的友誼，還讓我們更加堅(jiān)信，科技可以改變世界。
本書讀者對(duì)象
1）統(tǒng)計(jì)學(xué)及相關(guān)專業(yè)的學(xué)生、IT從業(yè)者。本書的初衷是幫助從業(yè)者及相關(guān)專業(yè)的學(xué)生擁有大量理論知識(shí)卻缺乏實(shí)戰(zhàn)經(jīng)驗(yàn)的人員，將理論知識(shí)和實(shí)踐聯(lián)動(dòng)起來(lái)，以更好地解決業(yè)務(wù)問(wèn)題，達(dá)到對(duì)算法、技術(shù)、業(yè)務(wù)場(chǎng)景中的問(wèn)題知其然且知其所以然的目的。
2）信息科學(xué)和計(jì)算機(jī)科學(xué)愛好者。對(duì)于信息科學(xué)和計(jì)算機(jī)科學(xué)愛好者來(lái)說(shuō)，本書也是一本全面了解人工智能領(lǐng)域的應(yīng)用、技術(shù)、場(chǎng)景的指南，書中沒有太多晦澀難懂的數(shù)學(xué)公式，而是通過(guò)業(yè)務(wù)中的問(wèn)題思考技術(shù)的使用。
3）人工智能相關(guān)專業(yè)的研究人員。
本書主要內(nèi)容
自然語(yǔ)言處理的目的是讓計(jì)算機(jī)能夠理解人類的語(yǔ)言。本書旨在從文本內(nèi)容理解的角度入手，詳細(xì)介紹文本特征表示、內(nèi)容重復(fù)理解、內(nèi)容通順度識(shí)別及糾正、內(nèi)容質(zhì)量、標(biāo)簽體系、文本摘要生成及文本糾錯(cuò)等內(nèi)容。本書采用以應(yīng)用貫穿始終的方式進(jìn)行相關(guān)技術(shù)的介紹和說(shuō)明。
具體來(lái)說(shuō)，本書主要從以下幾個(gè)方面介紹自然語(yǔ)言處理中的相關(guān)技術(shù)及其應(yīng)用。
第1章詳細(xì)介紹了文本特征的表示方法，包括離散型特征表示方法與分布型特征表示方法，以及詞向量的評(píng)判標(biāo)準(zhǔn)。
第2章主要從應(yīng)用的角度介紹了標(biāo)題、段落和文章重復(fù)三種場(chǎng)景以及三種場(chǎng)景的具體實(shí)現(xiàn)。
第3章介紹了數(shù)據(jù)增強(qiáng)方法、句子通順度識(shí)別方法以及糾正不通順內(nèi)容的方法。
第4章從應(yīng)用的角度詳細(xì)介紹了知識(shí)問(wèn)答質(zhì)量體系的搭建方法，方便大家后續(xù)在業(yè)務(wù)中快速實(shí)踐。
第5章主要講述了標(biāo)簽體系的原理及構(gòu)建過(guò)程中用到的3種主要算法。
第6章介紹了文本摘要生成中兩類流行的方法，包括抽取式文本摘要和生成式文本摘要，還介紹了文本摘要的幾種常用數(shù)據(jù)集以及文本摘要的評(píng)價(jià)方法。
第7章介紹了文本中錯(cuò)誤的類型、來(lái)源，文本糾錯(cuò)常用的方法與框架，并介紹了常用的文本糾錯(cuò)工具的安裝以及使用方法。
本書內(nèi)容特色
本書的特色在于詳細(xì)且全面地介紹了目前流行的NLP算法，給出了豐富的理論知識(shí)，并結(jié)合代碼進(jìn)行講解，以帶領(lǐng)讀者更好地理解算法。另外書中還介紹了如何在實(shí)際業(yè)務(wù)中高效地解決問(wèn)題，使讀者站在更高的角度，更加全面且具體地了解NLP技術(shù)。
資源和勘誤
由于作者水平有限，書中難免存在一些錯(cuò)誤或者不準(zhǔn)確的地方，懇請(qǐng)讀者批評(píng)指正。讀者可通過(guò)發(fā)送電子郵件到617803337@qq.com反饋建議或意見。
致謝
感謝家人對(duì)我的理解和支持。當(dāng)我有出版一本書的想法的時(shí)候，他們一直鼓勵(lì)我，相信我是在做一件非常有意義的事情。
感謝我的摯友谷雪、孟子堯、張朋莉愿意和我一起做這件有趣的事情。在與大家合作的過(guò)程中我成長(zhǎng)了很多。
感謝穎穎老師對(duì)我的厚愛，范紅星對(duì)我的陪伴，感謝我生命中的所有老師及讓我成長(zhǎng)的人。
感謝機(jī)械工業(yè)出版社的出版工作者。有了大家的辛勤付出，本書才得以順利面世。
這本書是友誼、工作以及科研成果的結(jié)晶，也是我們并肩作戰(zhàn)的見證，希望它可以將我們的實(shí)踐經(jīng)驗(yàn)、科研經(jīng)驗(yàn)固化下來(lái)，幫助更多的人少走彎路，更快地成長(zhǎng)。
謹(jǐn)以此書獻(xiàn)給我們的青春，獻(xiàn)給熱愛算法并為之奮斗的朋友們。因?yàn)橄嘈�，所以�?jiān)定。

李明琦