趋近智
自然语言处理基本原理
章节 1: 自然语言处理基本原理与高级文本处理
自然语言处理流程
高级分词方法
词干提取与词形还原比较
文本数据中的噪声处理
停用词高级定制
文本标准化方法
动手实践：构建预处理流程
章节 2: 文本特征工程
从词袋模型到TF-IDF
计算 TF-IDF 分数
使用N-gram来获取语境信息
特征哈希简介
文本特征的降维
比较不同的文本表示方法
动手实践：生成文本特征
章节 3: 监督学习在文本分类中的应用
分类算法回顾
将分类器应用于文本数据
分类模型评估指标
交叉验证策略
文本模型的超参数调优
处理不平衡数据集
实践：构建文本分类器
章节 4: 嵌入表示与序列数据理解
基于频率的模型的局限性
分布式语义学简介
词嵌入基本原理
Word2Vec：CBOW 与 Skip-gram 模型结构
GloVe：词语的全局向量表示
词嵌入的可视化
使用预训练词嵌入模型
动手实践：使用词嵌入
章节 5: 自然语言处理中的序列模型介绍
序列感知的必要性
循环神经网络（RNN）基础
理解梯度消失问题
长短期记忆（LSTM）网络
门控循环单元 (GRUs)
将序列模型应用于文本
动手实践：构建一个简单的序列模型
比较不同的文本表示方法
这部分内容有帮助吗？
- Speech and Language Processing, Daniel Jurafsky and James H. Martin, 2025 (Pearson) - 一本内容全面的教科书，涵盖了所有基础的自然语言处理技术，包括词袋模型、TF-IDF、N-grams和LSA等文本表示方法。
- Introduction to Information Retrieval, Christopher D. Manning, Prabhakar Raghavan, and Hinrich Schütze, 2008 (Cambridge University Press) - 一本信息检索领域的标准教科书，详细解释了词袋模型、TF-IDF和向量空间模型等文本表示方法。
- Indexing by Latent Semantic Analysis, Scott Deerwester, Susan T. Dumais, George W. Furnas, Thomas K. Landauer, and Richard Harshman, 1990 Journal of the American Society for Information Science, Vol. 41 (Wiley) DOI: 10.1002/(SICI)1097-4571(199009)41:6<391::AID-ASI1>3.0.CO;2-9 - 这篇原始论文介绍了潜在语义分析（LSA），该方法利用奇异值分解（SVD）进行文本的降维。
- Feature Hashing for Large-Scale Text Categorization, Kilian Q. Weinberger, Anirban Dasgupta, John Langford, Alex Smola, Tong Zhang, 2009 Advances in Neural Information Processing Systems, Vol. 22 (NeurIPS) DOI: 10.5591/978-1-57735-420-3.2009.207 - 介绍了“哈希技巧”（特征哈希），并分析了其作为大规模机器学习中高效降维方法的应用，在文本数据处理中尤为有用。