《Natural Language Processing with Python》介绍了如何使用Python进行自然语言处理。读者可以学习如何处理文本数据、分词、词性标注、命名实体识别等技术。通过本书的指导，读者可以掌握NLP的基础知识，并且可以通过实践项目加深理解。这本书对于想要学习NLP的初学者来说是一本很好的入门指南。
Natural Language Processing with Python读后感第一篇
结合Python的语言特性，循序渐进介绍了很多自然语言处理方面的知识，以及如何使用nltk进行NLP。再次体会到Python在文本处理方面有着很多先天优势。
不过，如果Python较为熟悉，这本书的很多章节可以略过。
1/3页Natural Language Processing with Python读后感第二篇
记得2007年上半年，最初读到这本书的时候还是草稿，用了整个一个暑假来仔细研究这本书，现在已经和以前的有很大不同了！
如果你要是自然语言学或语言信息处理相关专业的学生，又对python与nltk感兴趣的话，就看这本书吧，可以当做入门读物来看，整本书即涉及到了语料库的操作，也对传统的基于规则的方法有所涉及。全书包括了分词（tokenization）、词性标注（POS）、语块（Chunk）标注、句法剖析与语义剖析等方面，是nlp中不错的一本实用教程。
当然缺点还是有的。算是鸡蛋挑骨头吧。首先、对理论介绍不够，这可能与本书实用性很强的写作风格有关，如果你要想了解更多的理论，可以看专门讲理论的书籍；其次、对中文介绍不多，bird好像是澳洲人……所以，如果各位要是想为中文信息处理做贡献的话，还是在看本书的同时，看看中文的paper吧，网上资料很多，不多说了；另外，这本书可能并不能涉及到NLTK中的全部模块与语料，所以在研究时，可借助NLTK的网站文档来学习。
这本书最早是作为NLTK的在线教程出现的，每次都随着NLTK的变化来改变，所以与NLTK关系很是“暧昧”，呵呵。总之，这本书可以说是学习NLTK的不二之选！
2/3页Natural Language Processing with Python读后感第三篇
粗略的看了一遍，最后几章几乎就是过了一眼。
有很多知识是暂时看不懂，过一段时间需要重读一遍。
没有提到中文的处理。不过大体的流程和原理应该是差不多的，书里提到了以下的技术，中文处理应该也同样需要，把看到大概的内容记录如下
1.Tokenize
2.Tagging，也就是给出词性标注，名词，动词，介词，形容词等等
这里提到了几种方法
简单的一种就是根据构词规则来做，比如ing结尾是动名词，ed结尾是动词过去式，es结尾是名词复数，等等，当然这样有不少缺陷。
也一种方法叫N-Gram Tagging，依据相连词的词性来确定，N=2，那就是2-gram，也叫bigram，比如两个句子 I read the book。I book the room。想要确定两个book的词性，通过学习发现在限定词后的book经常是名词，而在人称代词后的book经常是动词，于是就能区分这两个book的词性。
3.用文本的Features来做Classification
这一章里有个例子，统计情态动词的数量来区分文章的种类，发现
will使用频率最高的news，could用得最多的是romance，science这些词都相对比较少
4.IE，Information Extraction，主要是抽取非结构化文本中的信息组成结构化的信息
这里主要做的是Entity Recognition，处理的过程叫Chunking，然后再是Relation Recognition。
把标注好词性的token根据一些语法规则拼成更大单元的Chunk，有的是名词短语Noun Phrase Chunking，有的是动词 Verb Phrase Chunking，如果是名字还要做分类：人名，地点，时间，机构等，再用动词短语来确定他们之间的关系
后面的几章我没有再详细看了
3/3页
