Java中文文本信息处理-从海量到精准

本书特色

[

本书以让零基础的读者通过自学完成一个中文分词系统为目标，从Java基础语法开始讲解，然后介绍文本处理相关的数据结构和算法，*后介绍如何实现文本切分和词性标注。
本书是介绍业界热门的以Java开发中文分词技术的*书籍。本书选取相关领域的经典内容，深入理解和挖掘，也综合了实践性强的创新想法，适合对软件开发感兴趣的青少年或者大学生阅读和学习。

]

内容简介

[

全书以零基础的读者自学完成一个中文分词系统作为目标。从Java基础语法开始，然后到文本处理相关的数据结构和算法，*后实现文本切分和词性标注。本书是少有的介绍业界热门的Java开发中文分词的书籍。本书选取相关领域的经典内容深入理解和挖掘，也综合了实践性强的创新想法。适用于对软件开发感兴趣的青少年或者大学生。

]

作者简介

[

罗刚，计算机软件硕士，毕业于吉林工业大学。2005年创立北京盈智星科技发展有限公司，2008年联合创立上海数聚软件公司。猎兔搜索创始人，当前猎兔搜索在北京和上海以及石家庄均设有研发部。带领猎兔搜索技术开发团队先后开发出猎兔中文分词系统、猎兔文本挖掘系统，智能垂直搜索系统以及网络信息监测系统等,实现互联网信息的采集、过滤、搜索和实时监测，其开发的搜索软件日用户访问量达万次以上。

]

目录

目 录
第1章 Java软件开发 1
1.1 背景 3
1.1.1 好身体是一切成功的保证 3
1.1.2 路线图 4
1.1.3 Java 4
1.2 软件工具 7
1.2.1 搜索引擎 7
1.2.2 Windows命令行 8
1.2.3 机器翻译 9
1.2.4 Linux 10
1.2.5 源代码比较工具 11
1.3 Java基础 11
1.3.1 准备开发环境 11
1.3.2 Eclipse 13
1.4 本章小结 17
第2章 结构化程序设计 19
2.1 基本数据类型 19
2.2 变量 20
2.2.1 表达式执行顺序 22
2.2.2 简化的运算符 23
2.2.3 常量 24
2.3 控制结构 25
2.3.1 语句 25
2.3.2 判断条件 25
2.3.3 三元运算符 27
2.3.4 条件判断 27
2.3.5 循环 31
2.4 方法 36
2.4.1 main方法 41
2.4.2 递归调用 41
2.4.3 方法调用栈 42
2.5 数组 42
2.5.1 数组求和 45
2.5.2 计算平均值举例 45
2.5.3 前趋节点数组 46
2.5.4 快速复制 47
2.5.5 循环不变式 49
2.6 字符串 50
2.6.1 字符编码 52
2.6.2 格式化 53
2.6.3 增强switch语句 54
2.7 数值类型 54
2.7.1 类型转换 58
2.7.2 整数运算 59
2.7.3 数值运算 60
2.7.4 位运算 61
2.8 安装Java 69
2.8.1 服务器端安装 69
2.8.2 自动安装Java 70
2.9 提高代码质量 72
2.9.1 代码整洁 72
2.9.2 单元测试 72
2.9.3 调试 73
2.9.4 重构 73
2.10 本章小结 74
第3章 面向对象编程 77
3.1 类和对象 77
3.1.1 类 78
3.1.2 类方法 78
3.1.3 类变量 79
3.1.4 实例变量 79
3.1.5 构造方法 82
3.1.6 对象 84
3.1.7 实例方法 87
3.1.8 调用方法 89
3.1.9 内部类 89
3.1.10 克隆 90
3.1.11 结束 91
3.2 继承 92
3.2.1 重写 92
3.2.2 继承构造方法 94
3.2.3 接口 95
3.2.4 匿名类 98
3.2.5 类的兼容性 98
3.3 封装 98
3.4 重载 99
3.5 静态 100
3.5.1 静态变量 100
3.5.2 静态类 100
3.5.3 修饰类的关键词 101
3.6 枚举类型 101
3.7 集合类 105
3.7.1 动态数组 105
3.7.2 散列表 106
3.7.3 泛型 109
3.7.4 Google Guava集合 112
3.7.5 类型擦除 112
3.7.6 遍历 114
3.7.7 排序 117
3.7.8 lambda表达式 119
3.8 比较 119
3.8.1 Comparable接口 119
3.8.2 比较器 120
3.9 SOLID原则 122
3.10 异常 123
3.10.1 断言 123
3.10.2 Java中的异常 124
3.10.3 从方法中抛出异常 126
3.10.4 处理异常 128
3.10.5 正确使用异常 130
3.11 字符串对象 132
3.11.1 字符对象 135
3.11.2 查找字符串 135
3.11.3 修改字符串 136
3.11.4 格式化 136
3.11.5 常量池 137
3.11.6 关于对象不可改变 139
3.12 日期 140
3.13 大数对象 141
3.14 给方法传参数 142
3.14.1 基本类型和对象 143
3.14.2 重载 145
3.15 文件操作 146
3.15.1 文本文件 146
3.15.2 二进制文件 149
3.15.3 文件位置 152
3.15.4 读写Unicode编码的文件 153
3.15.5 文件描述符 155
3.15.6 对象序列化 156
3.15.7 使用IOUtils 160
3.16 Java类库 161
3.16.1 使用Java类库 162
3.16.2 构建JAR包 163
3.16.3 使用Ant 167
3.16.4 生成JavaDoc 167
3.16.5 ClassLoader 168
3.16.6 反射 172
3.17 编程风格 173
3.17.1 命名规范 173
3.17.2 流畅接口 174
3.17.3 日志 175
3.18 IDEA 181
3.19 实例 181
3.20 本章小结 183
第4章 处理文本 185
4.1 字符串操作 185
4.2 有限状态机 188
4.2.1 从NFA到DFA 190
4.2.2 DFA 194
4.2.3 DFA交集 197
4.2.4 DFA并集 203
4.2.5 有限状态转换 204
4.3 本章小结 207
第5章 数据结构 209
5.1 链表 209
5.2 树算法 210
5.2.1 标准Trie树 211
5.2.2 链表Trie树 221
5.2.3 二叉搜索树 223
5.2.4 数组形式的二叉树 227
5.2.5 三叉Trie树 233
5.2.6 三叉Trie树交集 244
5.2.7 Trie树词典 245
5.2.8 平衡Trie树 249
5.2.9 B树 250
5.3 双数组Trie 251
5.4 队列 257
5.4.1 链表实现的队列 257
5.4.2 优先队列 258
5.4.3 找出前k个*大的元素 261
5.5 堆栈 262
5.6 双端队列 264
5.7 散列表 268
5.7.1 快速查找的散列表 269
5.7.2 HashMap 272
5.7.3 应用散列表 276
5.7.4 开放式寻址 279
5.7.5 布隆过滤器 282
5.7.6 SimHash 284
5.8 图 286
5.8.1 表示图 287
5.8.2 遍历图 295
5.9 大数据 297
5.10 本章小结 297
第6章 算法 299
6.1 贪婪法 299
6.2 分治法 301
6.3 动态规划 302
6.4 在中文分词中使用动态规划算法 303
6.5 本章小结 310
第7章 *长匹配分词 311
7.1 正向*大长度匹配法 312
7.2 逆向*大长度匹配法 316
7.3 处理未登录串 320
7.4 开发分词 324
7.5 本章小结 326
第8章 概率语言模型的分词方法 327
8.1 一元模型 328
8.2 整合基于规则的方法 334
8.3 表示切分词图 336
8.4 形成切分词图 342
8.5 数据基础 344
8.5.1 文本形式的词表 344
8.5.2 数据库词表 348
8.6 改进一元模型 349
8.7 二元词典 352
8.8 完全二叉数组 357
8.9 三元词典 360
8.10 N元模型 361
8.11 N元分词 362
8.12 生成语言模型 368
8.13 评估语言模型 369
8.14 概率分词的流程与结构 370
8.15 本章小结 371
第9章 词性标注 373
9.1 数据基础 376
9.2 隐马尔科夫模型 377
9.3 存储数据 385
9.4 统计数据 390
9.5 整合切分与词性标注 392
9.6 知识型词性序列标注 396
9.7 本章小结 396
参考资源 397
后记 398

封面

书名:Java中文文本信息处理-从海量到精准

作者:罗刚

页数:396

定价:¥56.0

出版社:清华大学出版社

出版日期:2017-05-01

ISBN:9787302469360

PDF电子书大小:98MB 高清扫描完整版