导言-NLP

HanLP作者何晗老师的新书《自然语言处理入门》详细笔记！业界良心之作，书中不是枯燥无味的公式罗列，而是用白话阐述的通俗易懂的算法模型。从基本概念出发，逐步介绍中文分词、词性标注、命名实体识别、信息抽取、文本聚类、文本分类、句法分析这几个热门问题的算法原理与工程实现。

本项目旨在帮助更多同路人能够快速的掌握 NLP 的专业知识，理清知识要点，在工作中发挥更大的作用。以书本为主，记录本人学习此书的心路历程、总结和笔记。

• 机器学习与深度学习请转至本人项目：ML-NLP

• HanLP项目：HanLP

• 思维导图，请关注 第5纪元 公众号并回复：NLP思维导图 ，即能下载高清大图。

• 

目录

---

章节
第 1 章：新手上路
第 2 章：词典分词
第 3 章：二元语法与中文分词
第 4 章：隐马尔可夫模型与序列标注
第 5 章：感知机分类与序列标注
第 6 章：条件随机场与序列标注
第 7 章：词性标注
第 8 章：命名实体识别
第 9 章：信息抽取
第 10 章：文本聚类
第 11 章：文本分类
第 12 章：依存句法分析
第 13 章：深度学习与自然语言处理

其他项目推荐： personal-llm-api 轻量级的 LLM 接口服务

Introduction-NLP 快速上手指南

本项目是何晗老师《自然语言处理入门》一书的详细笔记与代码实现，涵盖中文分词、词性标注、命名实体识别等核心 NLP 任务。以下内容基于项目仓库结构整理，助你快速开启学习之旅。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Windows / macOS / Linux
• Python 版本：建议 Python 3.6 及以上
• 前置依赖：
  • Git（用于克隆代码仓库）
  • pip（Python 包管理工具）
  • 推荐安装 jieba, hanlp, scikit-learn 等基础 NLP 库（具体依赖请参考各章节代码文件头部注释）

国内加速建议：安装 Python 依赖时，推荐使用清华或阿里镜像源以提升下载速度。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple <package_name>

安装步骤

1. 克隆项目仓库 打开终端，执行以下命令将项目代码拉取到本地：

   git clone https://github.com/NLP-LOVE/Introduction-NLP.git
   

2. 进入项目目录

   cd Introduction-NLP
   

3. 安装所需依赖 由于本书不同章节可能涉及不同的算法库，建议根据你正在学习的章节，查看对应 .md 文件或代码脚本中的 import 语句，按需安装。通用基础库安装示例：

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jieba hanlp scikit-learn numpy pandas
   

   注：若某章节有特定的 requirements.txt，请优先执行 pip install -r requirements.txt。

基本使用

本项目以“章节”为单位组织内容，每个章节包含原理讲解（Markdown）和代码实现（通常为 Python 脚本）。

最简单的使用流程：

1. 选择章节：例如，你想学习“词典分词”，可进入 chapter 目录下的 2.词典分词.md 阅读原理，并找到对应的代码文件（如 2_1.py 或直接查看 Markdown 中的代码块）。
2. 运行示例代码： 假设当前章节有一个名为 demo.py 的示例脚本，直接在终端运行：

   python chapter/demo.py
   

示例：体验中文分词（基于书中逻辑）

你可以创建一个简单的 test_nlp.py 文件，复现书中的基础分词逻辑：

import jieba

# 待分词文本
text = "自然语言处理是人工智能的重要领域"

# 使用结巴分词进行精确模式切分
seg_list = jieba.cut(text, cut_all=False)

print("分词结果：")
print("/ ".join(seg_list))

运行上述代码，你将看到类似以下的输出，从而直观理解分词效果：

分词结果：
自然语言处理 / 是 / 人工智能 / 的 / 重要 / 领域

进阶学习： 请按照 目录 顺序，从第 1 章“新手上路”开始，逐步深入阅读笔记并运行对应章节的代码，系统掌握 NLP 算法原理与工程实现。