《Python自然语言处理》是一本由(英)伯德 / (英)克莱因 / (美)洛普著作，东南大学出版社出版的479图书，本书定价：64.00元，页数：2019-6，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《Python自然语言处理》精选点评：

　　●应该改名为NLTK入门指南

　　●看看原版吧，中文版评价很低

　　●python做nlp的神书，主要讲nltk。现在好像有了中文出版的书

　　●nltk是个好工具。可以自己训练模型，书中介绍得简略了，需要好好研究文档。P.S.以前做过中文分词的小工具，unigram+大量语料训练，准确率挺高的了。机器逻辑有其局限性，我觉得有的问题在于对中文本身的探究不够深。

　　●比较初浅

　　●关于nltk如何使用

　　●入门还行，就是感觉内容挺乱的。

　　●本意想通过这本书达到python入门和NLP实战的双重目的，无奈翻译太烂，断断续续2个月才粗略看完。nltk的api也没有深入介绍，对于python不熟及之前没接触过nltk的人看着着实费劲，需要上网查api的真实含义和用法。对于我本人，python算是了解了一些，也跟着书上的例子实际编写了一番，算是达到一半的效果吧。

　　●基本是nltk的使用说明。。。标题有些误导了

　　●书是好书，但是让这小子翻译烂了

　　《Python自然语言处理》读后感(一)：很好的一本书

　　不过书中还用了一部分篇幅穿插讲解python最基础的编程技术，就不太让人理解了。 读这种书肯定是先对python有一定的了解了。这一点有点定位不清啊。 整体的还是很不错的。为什么发表不了，抱怨我评论太短。 150字还短么

　　《Python自然语言处理》读后感(二)：自然语言处理推荐

　　LTK入门好书，基本就是官方文档的部分集合（定位于入门所以很多内容没涉及到），不过添加了很多Python语言方面的东西，对于非计算机专业的人相当友好。

　　ython 只要解决了中文问题用起来真是爽，Python 3似乎已经解决了，可惜很多算法库都没有3的版本，所以还是老老实实各种hack各种转换老老实实用2吧……

　　《Python自然语言处理》读后感(三)：在这本书的带动下，我有点喜欢上了自然语言处理

　　现在的研究方向是NLP，由于以前没有相关的基础知识（特别是数学很差劲），导致学习起来觉得困难重重。后来了解到Python语言在NLP领域有较好的应用空间，于是就学习了Python的基础知识，然后就发现了此书的中文翻译版，于是打印出来认真拜读。它的特点是：实例多（虽然木有中文方法的实例），条理清楚，涵盖面广（NLP领域的基本方面都所涉及），所以它的帮助下，我现在感觉自己慢慢入门了，对NLP有了一点儿好感了，希望这种好感继续发酵。

　　《Python自然语言处理》读后感(四)：Python自然语言处理

　　《Python自然语言处理(影印版)》提供了非常易学的自然语言处理入门介绍，该领域涵盖从文本和电子邮件预测过滤，到自动总结和翻译等多种语言处理技术。在《Python自然语言处理(影印版)》中，你将学会编写Python程序处理大量非结构化文本。你还将通过使用综合语言数据结构访问含有丰富注释的数据集，理解用于分析书面通信内容和结构的主要算法。

　　《Python自然语言处理》准备了充足的示例和练习，可以帮助你：

　　从非结构化文本中抽取信息，甚至猜测主题或识别“命名实体”；

　　分析文本语言结构，包括解析和语义分析；

　　访问流行的语言学数据库，包括WordNet和树库(treebank)；

　　从多种语言学和人工智能领域中提取的整合技巧。

　　《Python自然语言处理(影印版)》将帮助你学习运用Python编程语言和自然语言工具包(NLTK)获得实用的自然语言处理技能。如果对于开发Web应用、分析多语言新闻源或记录濒危语言感兴趣——即便只是想从程序员视角观察人类语言如何运作，你将发现《Python自然语言处理》是一本令人着迷且极为有用的好书。

　　《Python自然语言处理》读后感(五)：******《自然语言处理-Word2Vec》课程下载******

　　自然语言处理-Word2Vec课程下载：pan.baidu.com/s/1gB-5nvxC_n-EjtT37vTFpg

　　章节1:Word2Vec原理 课时1课程简介04:36 课时2数据，PPT,代码下载****** 课时3自然语言处理与深度学习11:58 课时4语言模型06:16 课时5N-gram模型08:32 课时6词向量09:28 课时7神经网络模型10:03 课时8HierarchicalSoftmax10:01 课时9CBOW模型实例11:21 课时10CBOW求解目标05:39 课时11梯度上升求解10:11 课时12负采样模型07:15

　　章节2:Gensim构造词向量模型 课时13使用Gensim库构造词向量06:22 课时14维基百科中文数据处理10:27 课时15Gensim构造word2vec模型08:52 课时16测试模型相似度结果07:42

　　章节3:Tensorflow实战word2vec 课时17环境配置06:00 课时18中文数据预处理11:07 课时19word2vec模型构造10:36 课时20构造图计算模型07:54 课时21word2vec训练10:47 课时22模型训练模块10:19 课时23迭代预测效果08:39

　　章节4:案例：影评数据情感分析 课时24影评情感分类任务数据预处理17:49 课时25基于词袋模型训练分类器11:08 课时26准备word2vec输入数据需购买观看 课时27使用gensim构建word2vec词向量