Грант С. Ингерсолл, Томас С. Мортон, Эндрю Л. Фэррис
ОБРАБОТКА
НЕСТРУКТУРИРОВАННЫХ
ТЕКСТОВ
Поиск, организация и манипулирование
Taming Text
HOW TO FIND, ORGANIZE, AND MANIPULATE IT
GRANT S. INGERSOLL
THOMAS S. MORTON
ANDREW L. FARRIS
MANNING
SHELTER ISLAND
Обработка
неструктурированных
текстов
ПОИСК, ОРГАНИЗАЦИЯ И МАНИПУЛИРОВАНИЕ
ГРАНТ С. ИНГЕРСОЛЛ
ТОМАС С. МОРТОН
ЭНДРЮ Л. ФЭРРИС
Москва, 2015
УДК 004. 738. 52
ББК 32. 972. 53
И59
И59 Грант С. Ингерсолл, Томас С. Мортон, Эндрю Л. Фэррис
Обработка неструктурированных текстов. Поиск, организация и
манипулирование. / Пер. с англ. Слинкин А. А. – М. : ДМК Пресс,
2015. – 414 с. : ил. ISBN 978-5-97060-144-0
В книге описаны инструменты и методы обработки неструктури-
рованных текстов. Прочитав ее, вы научитесь пользоваться полно-
текстовым поиском, распознавать имена собственные, производить
кластеризацию, пометку, извлечение информации и автореферирова-
ние. Знакомство с фундаментальными принципами сопровождается
изучением реальных применений. Издание предназначено для читателей без подготовки в области
математической статистики и обработки естественных языков. Приме-
ры написаны на Java, но сами идеи могут быть реализованы на любом
языке программирования. УДК 004. 738. 52
ББК 32. 972. 53
Original English language edition published by Manning Publications Co. , Rights and
Contracts Special Sales Department, 20 Baldwin Road, PO Box 261, Shelter Island, NY
11964. ©2013 by Manning Publications Co. Russian-language
edition copyright © 2014 by DMK Press. All rights reserved. Все права защищены. Любая часть этой книги не может быть воспроизведена
в какой бы то ни было форме и какими бы то ни было средствами без письменного
разрешения владельцев авторских прав. Материал, изложенный в данной книге, многократно проверен. Но, поскольку
вероятность технических ошибок все равно существует, издательство не может гаран-
тировать абсолютную точность и правильность приводимых сведений. В связи с этим
издательство не несет ответственности за возможные ошибки, связанные с использо-
ванием книги. ISBN 978-1-93398-838-2 (англ. ) ©2013 by Manning Publications Co. ISBN 978-5-97060-144-0 (рус. ) © Оформление, перевод на русский язык
ДМК Пресс, 2015
ОГЛАВЛЕНИЕ
Предисловие ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 11
Вступление ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... . . 12
Благодарности ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... . 16
Об этой книге ... ...
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 19
Предполагаемая аудитория ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 19
Структура книги ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 20
Автор в сети... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 21
Об иллюстрации на обложке ... ... ... ... ... ... ... ... ... ... . 23
Глава 1.