Обработка неструктурированных текстов. Поиск, организация и манипулирование

Грант С. Ингерсолл, Томас С. Мортон, Эндрю Л. Фэррис

ОБРАБОТКА 
НЕСТРУКТУРИРОВАННЫХ 
ТЕКСТОВ

Поиск, организация и манипулирование

M A N N I N G
SHELTER ISLAND

HOW TO FIND, ORGANIZE, AND MANIPULATE IT

GRANT S. INGERSOLL
THOMAS S. MORTON
ANDREW L. FARRIS

Taming Text

Москва, 2023

ПОИСК, ОРГАНИЗАЦИЯ И МАНИПУЛИРОВАНИЕ

ГРАНТ С. ИНГЕРСОЛЛ
 ТОМАС С. МОРТОН
 ЭНДРЮ Л. ФЭРРИС

Обработка 
неструктурированных 
текстов

2-е издание, электронное

УДК 004.738.52
ББК 32.972.53
И59

И59
Ингерсолл, Грант С.
Обработка неструктурированных текстов. Поиск, организация и манипулирование / 
Г. С. Ингерсолл, Т. С. Мортон, Э. Л. Фэррис ; пер. с англ. 
А. А. Слинкина. — 2-е изд., эл. — 1 файл pdf : 416 с. — Москва : ДМК Пресс, 
2023. — Систем. требования: Adobe Reader XI либо Adobe Digital Editions 
4.5 ; экран 10". — Текст : электронный.
ISBN 978-5-89818-308-0

В книге описаны инструменты и методы обработки неструктурированных текстов. 
Прочитав ее, вы научитесь пользоваться полнотекстовым поиском, распознавать 
имена собственные, производить кластеризацию, пометку, извлечение информации 
и автореферирование. Знакомство с фундаментальными принципами сопровождается 
изучением реальных применений.
Издание предназначено для читателей без подготовки в области математической 
статистики и обработки естественных языков. Примеры написаны на Java, но сами 
идеи могут быть реализованы на любом языке программирования.

УДК 004.738.52 
ББК 32.972.53

Электронное издание на основе печатного издания: Обработка неструктурированных текстов. 
Поиск, организация и манипулирование / Г. С. Ингерсолл, Т. С. Мортон, Э. Л. Фэррис ; пер. 
с англ. А. А. Слинкина. — Москва : ДМК Пресс, 2015. — 414 с. — ISBN 978-5-97060-144-0. — 
Текст : непосредственный.

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 гарантировать абсолютную точность и правильность 
приводимых сведений. В связи с этим издательство не несет ответственности за возможные ошибки, связанные 
с использованием книги.

В соответствии со ст. 1299 и 1301 ГК РФ при устранении ограничений, установленных техническими средствами 
защиты авторских прав, правообладатель вправе требовать от нарушителя возмещения убытков или выплаты компенсации.


ISBN 978-5-89818-308-0
© 2013 by Manning Publications Co.
©  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. Готовимся к приручению текста ............... 24
1.1. Почему так важна задача обработки текста ....................... 25
1.2. Предварительный обзор фактографической 
вопросно-ответной системы ................................................... 28
1.2.1. Здравствуй, доктор Франкенштейн .......................................29
1.3. Понять смысл текста трудно.............................................. 32
1.4. Прирученный текст ........................................................... 35
1.5. Текст и интеллектуальные приложения: поиск 
и не только .............................................................................. 38
1.5.1. Поиск и сопоставление .........................................................39
1.5.2. Извлечение информации ......................................................40
1.5.3. Группировка информации .....................................................41
1.5.4. Интеллектуальное приложение .............................................41
1.6. Резюме ............................................................................. 42
1.7. Ресурсы ............................................................................ 42

Глава 2. Основы приручения текста ..................... 44
2.1. Основы лингвистики ......................................................... 45
2.1.1. Категории слов .....................................................................46
2.1.2. Словосочетания и части предложения ..................................48
2.1.3. Морфология ..........................................................................50
2.2. Популярные инструменты для обработки текста ............... 51
2.2.1. Инструменты для манипуляций со строками .........................52
2.2.2. Лексемы и лексический анализ .............................................52
2.2.3. Частеречная разметка ...........................................................55

Оглавление

2.2.4. Стемминг ..............................................................................57
2.2.5. Распознавание предложений ................................................59
2.2.6. Грамматика и грамматический анализ ..................................61
2.2.7. Моделирование последовательности ...................................63
2.3. Предобработка и выделение содержимого из файлов 
в распространенных форматах ................................................ 65
2.3.1. Важность предобработки ......................................................65
2.3.2. Извлечение содержимого с помощью Apache Tika ................68
2.4. Резюме ............................................................................. 71
2.5. Ресурсы ............................................................................ 72

Глава 3. Поиск .................................................. 73
3.1. Пример фасетного поиска: Amazon.com ........................... 74
3.2. Введение в концепции поиска ........................................... 77
3.2.1. Индексирование содержимого ..............................................78
3.2.2. Ввод запроса пользователем ................................................81
3.2.3. Ранжирование документов с помощью векторной модели ....85
3.2.4. Отображение результатов .....................................................89
3.3. Введение в поисковый сервер Apache Solr ........................ 92
3.3.1. Первый запуск Solr ................................................................93
3.3.2. Основные концепции Solr ......................................................95
3.4. Индексирование содержимого с помощью Apache Solr ... 100
3.4.1. Индексирование данных в формате XML .............................101
3.4.2. Извлечение и индексирование содержимого 
с помощью Solr и Apache Tika .......................................................103
3.5. Поиск по содержимому в Apache Solr .............................. 107
3.5.1. Параметры запроса к Solr ...................................................108
3.5.2. Построение фасетов по извлеченному содержимому .........112
3.6. Факторы, влияющие на производительность поиска ....... 115
3.6.1. Оценка качественных показателей ......................................116
3.6.2. Оценка количественных показателей ..................................121
3.7. Повышение производительности поиска ........................ 122
3.7.1. Совершенствование на уровне оборудования .....................123
3.7.2. Повышение качества анализа ..............................................124
3.7.3. Повышение качества обработки запросов ...........................127
3.7.4. Альтернативные модели оценивания ...................................130
3.7.5. Способы повышения производительности Solr ...................131
3.8. Альтернативные поисковые системы .............................. 134
3.9. Резюме ........................................................................... 136
3.10. Ресурсы ........................................................................ 136

Глава 4. Неточное сравнение строк .................... 138
4.1. Различные подходы к неточному сравнению строк .......... 140
4.1.1. Меры, основанные на множестве общих символов .............141

Оглавление

4.1.2. Редакционные расстояния ..................................................144
4.1.3. N-граммное редакционное расстояние ...............................148
4.2. Нахождение строк, неточно совпадающих с данной ........ 150
4.2.1. Использование префиксного сравнения в Solr ....................151
4.2.2. Использование префиксных деревьев для префиксного 
сравнения ....................................................................................152
4.2.3. Сравнение с помощью n-грамм ...........................................158
4.3. Использование неточного сравнения строк 
в приложениях ....................................................................... 159
4.3.1. Добавления механизма автозаполнения к поиску ...............160
4.3.2. Проверка орфографии запроса ...........................................164
4.3.3. Сопоставление записей ......................................................170
4.4. Резюме ........................................................................... 177
4.5. Ресурсы .......................................................................... 177

Глава 5. Распознавание имен людей, 
географических названий и других сущностей .... 178
5.1. Различные подходы к распознаванию именованных 
сущностей ............................................................................. 180
5.1.1. Применение правил для распознавания имен и названий ...181
5.1.2. Применение статистических классификаторов для 
распознавания имен и названий ...................................................182
5.2. Основы распознавания сущностей в OpenNLP ................ 184
5.2.1. Нахождение имен и названий с помощью OpenNLP .............185
5.2.2. Интерпретация имен, распознанных OpenNLP ....................187
5.2.3. Фильтрация имен на основе вероятности ............................188
5.3. Подробнее о распознавании сущностей в OpenNLP ........ 189
5.3.1. Распознавание разнородных сущностей в OpenNLP............189
5.3.2. Под капотом: как в OpenNLP распознаются имена...............193
5.4. Качество работы OpenNLP .............................................. 196
5.4.1. Качество результатов ..........................................................196
5.4.2. Производительность ...........................................................197
5.4.3. Потребление памяти в OpenNLP ..........................................198
5.5. Настройка OpenNLP для распознавания сущностей 
в новой предметной области ................................................. 200
5.5.1. Зачем и как обучают модель ................................................200
5.5.2. Обучение модели OpenNLP .................................................202
5.5.3. Изменение входных данных для модели ..............................204
5.5.4. Другой способ моделирования имен ...................................206
5.6. Резюме ........................................................................... 209
5.7. Ресурсы .......................................................................... 210

Глава 6. Кластеризация текста .......................... 211
6.1. Кластеризация документов в Google News ...................... 212

Оглавление

6.2. Основы кластеризации ................................................... 213
6.2.1. Три типа текстов, поддающихся кластеризации ..................214
6.2.2. Выбор алгоритма кластеризации ........................................216
6.2.3. Определение сходства ........................................................218
6.2.4. Пометка результатов ...........................................................219
6.2.5. Как оценивать результаты кластеризации ...........................220
6.3. Подготовка к созданию простого приложения 
кластеризации ...................................................................... 222
6.4. Кластеризация результатов поиска с помощью Carrot2.... 223
6.4.1. Использование Carrot2 API ...................................................224
6.4.2. Кластеризация результатов поиска Solr с помощью 
Carrot2 ..........................................................................................226
6.5. Кластеризация наборов документов с помощью 
Apache Mahout ....................................................................... 229
6.5.1. Подготовка данных к кластеризации ...................................230
6.5.2. Кластеризация методом K-средних ....................................234
6.6. Тематическое моделирование с помощью 
Apache Mahout ....................................................................... 239
6.7. Качество кластеризации ................................................. 243
6.7.1. Отбор и уменьшение числа признаков.................................243
6.7.2. Производительность и качество Carrot2 ..............................246
6.7.3. Тесты производительности кластеризации в Mahout ...........247
6.8. Благодарности ................................................................ 254
6.9. Резюме ........................................................................... 254
6.10. Ресурсы ........................................................................ 255

Глава 7. Классификация, категоризация 
и пометка ...................................................... 257
7.1. Введение в классификацию и категоризацию ................. 260
7.2. Процесс классификации ................................................. 263
7.2.1. Выбор схемы классификации ..............................................265
7.2.2. Отбор признаков для категоризации ...................................266
7.2.3. Важность обучающих данных ..............................................268
7.2.4. Оценка качества классификатора........................................271
7.2.5. Внедрение классификатора в эксплуатацию .......................274
7.3. Построение классификаторов документов с помощью 
Apache Lucene ....................................................................... 276
7.3.1. Классификация текстов с помощью Lucene .........................276
7.3.2. Подготовка обучающих данных для классификатора 
MoreLikeThis .................................................................................279
7.3.3. Обучение классификатора MoreLikeThis ..............................281
7.3.4. Классификация документов с помощью классификатора 
MoreLikeThis .................................................................................285

Оглавление

7.3.5. Тестирование классификатора MoreLikeThis .......................288
7.3.6. Классификатор MoreLikeThis в производитственной 
системе ........................................................................................291
7.4. Обучение наивного байесовского классификатора 
в Apache Mahout .................................................................... 292
7.4.1. Наивная байесовская классификация текста .......................293
7.4.2. Подготовка обучающих данных ...........................................294
7.4.3. Резервирование тестовых данных .......................................298
7.4.4. Обучение классификатора ..................................................299
7.4.5. Тестирование классификатора ............................................300
7.4.6. Усовершенствованный процесс бутстрапинга .....................302
7.4.7. Интеграция байесовского классификатора Mahout с Solr ....304
7.5. Классификация документов с помощью OpenNLP ........... 308
7.5.1. Регрессионные модели и классификация документов 
методом максимальной энтропии ................................................309
7.5.2. Подготовка обучающих данных для классификатора 
документов на основе алгоритма максимальной энтропии ...........313
7.5.3. Обучение классификатора документов на основе 
алгоритма максимальной энтропии ..............................................314
7.5.4. Тестирование классификатора документов на основе 
алгоритма максимальной энтропии  .............................................320
7.5.5. Классификатор документов на основе алгоритма 
максимальной энтропии в производственной системе .................322
7.6. Построение рекомендателя меток с помощью 
Apache Solr ............................................................................ 323
7.6.1. Подготовка обучающих данных для рекомендателя меток ...327
7.6.2. Подготовка обучающих данных ...........................................329
7.6.3. Обучение рекомендателя меток на основе Solr ...................330
7.6.4. Создание рекомендаций меток ...........................................332
7.6.5. Оценивание рекомендателя меток ......................................335
7.7. Резюме ........................................................................... 338
7.8. Ресурсы .......................................................................... 340

Глава 8. Пример вопросно-ответной системы ...... 341
8.1. Основы вопросно-ответной системы .............................. 343
8.2. Установка и запуск QA-системы ...................................... 345
8.3. Архитектура демонстрационной вопросно-ответной 
системы ................................................................................ 347
8.4. Установление смысла вопроса и порождение ответов .... 351
8.4.1. Обучение классификатора типов ответов ............................351
8.4.2. Разбиение вопроса на блоки ...............................................356
8.4.3. Вычисление типа ответа ......................................................357
8.4.4. Генерация запроса ..............................................................361
8.4.5. Ранжирование фрагментов-кандидатов ..............................362

Оглавление

8.5. Усовершенствование системы ........................................ 365
8.6. Резюме ........................................................................... 365
8.7. Ресурсы .......................................................................... 366

Глава 9. Неприрученный текст: на переднем 
крае ............................................................. 367
9.1. Семантика, дискурс и прагматика: высшие уровни NLP .....368
9.1.1. Семантика ...........................................................................369
9.1.2. Дискурс ...............................................................................371
9.1.3. Прагматика .........................................................................373
9.2. Реферирование документов и наборов документов ........ 375
9.3. Извлечение отношений ................................................... 377
9.3.1. Обзор имеющихся подходов ...............................................379
9.3.2. Оценка ................................................................................383
9.3.3. Инструменты для извлечения отношений ............................383
9.4. Выявление важного содержимого и людей ..................... 384
9.4.1. Глобальная важность и авторитетность ...............................386
9.4.2. Персональная важность ......................................................386
9.4.3. Ресурсы и ссылки на тему важности ....................................387
9.5. Распознавание эмоций с помощью анализа 
тональности .......................................................................... 388
9.5.1. Исторический обзор............................................................389
9.5.2. Инструменты и данные ........................................................391
9.5.3. Базовый алгоритм определения тональности ......................392
9.5.4. Дополнительные темы ........................................................394
9.5.5. Библиотеки с открытым исходным кодом для анализа 
тональности .................................................................................396
9.6. Межъязыковой информационный поиск ......................... 397
9.7. Резюме ........................................................................... 399
9.8. Ресурсы .......................................................................... 400

Предметный указатель .................................... 403

ПРЕДИСЛОВИЕ

Во времена, когда спрос на высококачественные средства обработки 
текста растет экспоненциально, трудно назвать хотя бы одну отрасль 
экономики, которая не зависела бы от той или иной текстовой информации. 
А в связи с развитием веб-экономики эта зависимость только 
усиливается. И вместе с ней быстро возрастает потребность в талантливых 
технических специалистах. Вот в таких условиях выходит 
на свет отличная, практически ориентированная книга «Обработка 
неструктурированных текстов», в которой вы найдете проверенные 
на реальном опыте рекомендации и инструкции.
Грант Ингерсолл и Дрю Фэррис, два блистательных и в высшей 
степени квалифицированных инженера-программиста, с которыми я 
работала много лет, и Тим Мортон, внесший немалый вклад в обработку 
естественного языка (natural language processing, NLP), предлагают 
прагматическое руководство тем, кто хотел бы войти в избранный 
круг специалистов по обработке текстов, 
Грант, Дрю и Том выбрали подход, который я называю «обучение 
на практике ради практики», и сумели сорвать покров тайны с 
действительно очень сложных процессов. Для этого они не пошли 
по длинному пути – теоретическому семестровому курсу по NLP, а 
сосредоточились на существующих инструментах, реализованных до 
конца примерах и хорошо протестированном коде.
Для инженера-программиста этих основ будет достаточно, чтобы 
открыть дверь в мир примеров и упоминаемых проектов с открытым 
исходным кодом. И гораздо быстрее, чем вам кажется, вы превратитесь 
в настоящего эксперта, готового к решению реальных задач.

ЛИЗ ЛИДДИ

ДЕКАН, ISCHOOL,
СИРАКУЗСКИЙ УНИВЕРСИТЕТ

ВСТУПЛЕНИЕ

Жизнь полна удивительных сюрпризов, и некоторые из них оказали 
определяющее влияние на мою карьеру. Было это в конце 1990 годов, 
я тогда был молодым программистом, занимался моделированием 
распределения электромагнитных полей и случайно наткнулся 
на предложение места разработчика в небольшой компании в городе 
Сиракузы, штат Нью-Йорк, которая называлась TextWise. Прочитав 
описание работы, я подумал, что едва ли подойду, но решил все-таки 
попробовать и отправил резюме. Непонятно почему, меня взяли, и так 
началась моя карьера в области обработки естественных языков. Кто 
бы мог подумать, что спустя столько лет я так и буду заниматься поиском 
и NLP и даже напишу книгу на эту тему.
А тогда моей первой задачей стало участие в разработке межъязыковой 
информационно-поисковой системы (CLIR), которая позволяла 
пользователю вводить запросы на английском языке, а находить 
и автоматически переводить документы на французском, испанском 
или китайском. Оглядываясь назад, я понимаю, что в первой же системе, 
над которой я работал, встретились все те трудные проблемы 
работы с текстом, которые я впоследствии так полюбил: поиск, классификация, 
извлечение информации, машинный перевод, а также 
специфические правила конкретных языков, способные свести с ума 
любого, кто изучает грамматику. После этого проекта я работал над 
самыми разными системами поиска и обработки естественных языков – 
от классификаторов на основе правил до вопросно-ответных 
систем. Позже, в 2004 году, уже на новой работе в Центре обработки 
естественных языков я столкнулся с Apache Lucene, поисковой системой 
с открытым исходным кодом, которая в те дни являлась стандартом 
де факто. И снова мне пришлось разрабатывать CLIR-систему, 
только теперь для английского и арабского языков. Поскольку мне 
потребовались кое-какие функции, которых в Lucene не было, я начал 
писать дополнения и исправлять ошибки. Спустя какое-то время я 
стал отправлять плоды своих трудов в репозиторий исходного кода. 
И пошло-поехало. Я пристрастился к проектам с открытым исходным 

Вступление

кодом, начав с системы машинного обучения Apache Mahout вместе 
с Изабель Дрост (Isabel Drost) и Карлом Веттином (Karl Wettin), а 
потом стал сооснователем компании Lucid Imagination, которая специализировалась 
на задачах поиска и анализа текстов с применением 
Apache Lucene и Solr.
Описав полный круг, я пришел к выводу, что поиск и NLP принадлежат 
к числу вопросов, определяющих предмет информатики, 
поскольку требуют изощренных подходов как к структурам данных, 
так и к алгоритмам решения задач. Добавьте сюда требования к масш-
табируемости, необходимой для обработки гигантских объемов данных, 
порождаемых пользователями веб вообще и социальных сетей в 
частности, – и вот вам мечта любого разработчика. Эта книга призвана 
заполнить пустующую на тот момент рыночную нишу – текст, написанный 
инженерами для инженеров и посвященный, прежде всего, 
использованию существующих, проверенных практикой библиотек 
с открытым исходным кодом для решения трудных задач обработки 
текста. Надеюсь, что она поможет вам в повседневной работе, а также 
откроет мир текстовых данных – богатейшую возможность для изучения 
нового.
ГРАНТ ИНГЕРСОЛЛ

Я подпал под очарование искусственного интеллекта на втором курсе 
вуза, а на старших курсах решил остаться в аспирантуре и сосредоточиться 
на обработке естественных языков. В Пенсильванском университете 
я очень много узнал об обработке текстов, машинном обучении, 
а также об алгоритмах и структурах данных вообще. У меня 
также была возможность работать с некоторыми из лучших специалистов 
в области обработки естественных языков и набираться у них 
ума-разума.
В аспирантуре я занимался различными NLP-системами и принимал 
участие в ряде финансируемых агентством DARPA исследований 
по кореференции, свертыванию и порождению ответов на вопросы. 
В ходе этой работы я познакомился с системой Lucene и движением 
за ПО с открытым исходным кодом в целом. Я также обратил внимание 
на пробел в открытых программах обработки текстов, заполнение 
которого могло бы обеспечить эффективную сквозную обработку. Работая 
над диссертацией, я активно участвовал в проекте OpenNLP, 
а также продолжал изучать NLP-системы, разрабатывая систему 
автоматизированной оценки сочинений и кратких ответов в службе 
образовательного тестирования (Educational Testing Services).

Вступление

Тесное сотрудничество с разработчиками ПО с открытым исходным 
кодом научило меня коллективной работе и позволило усовершенствоваться 
в своей профессии. Сейчас я работаю в компании Comcast 
Corporation с командами программистов, которые применяют многие 
описанные в этой книге приемы и инструменты. Надеюсь, эта книга 
станет мостом между напряженно ищущими исследователями типа 
тех, у кого я учился в аспирантуре, и инженерами-практиками, цель 
которых – использовать обработку текстов для решения реальных задач 
в интересах обычных людей.
ТОМАС МОРТОН

Я, как и Грант, получил первое представление об информационном 
поиске и обработке естественных языков под руководством д-ра 
Элизабет Лидди, Вуджина Пайка (Woojin Paik) и прочих сотрудников 
компании TextWise в середине 1990-х годов. В то время TextWise 
была в стадии превращения из исследовательской группы в новообразованную 
компанию, специализирующуюся на разработке приложений 
на основе полученных результатов в области обработки текста. 
Я работал в компании много лет и все это время занимался самообразованием, 
открывал для себя что-то новое и общался с выдающимися 
людьми, которые, не убоявшись трудностей, решили научить машины 
понимать различные аспекты человеческого языка.
Лично я подхожу к проблеме анализа текста, прежде всего, с точки 
зрения разработчика программного обеспечения. Мне повезло работать 
с блестящими учеными и превращать их идеи из экспериментов 
сначала в функционирующие прототипы, а затем и в массивно 
масшта бируемые системы. По ходу дела у меня была возможность 
плотно заниматься тем, что теперь принято называть наукой о данных, 
и я глубоко и навсегда полюбил исследование больших наборов 
данных и методы извлечения информации из них.
Невозможно переоценить то огромное влияние, которое открытое 
ПО оказало на мою карьеру. Наличие под рукой исходного кода 
как подспорья в исследованиях, – невероятно эффективный способ 
изучения новых методов и подходов к анализу текста и к разработке 
ПО вообще. Я приветствую всякого, кто приложил усилия, чтобы 
поделиться своими знаниями и опытом с другими людьми, страстно 
желающими сотрудничать и учиться. И особо я хочу поблагодарить 
отличных ребят из фонда Apache Software Foundation, неустанно 
взращивающих динамичную экосистему, которая способствует раз-

Вступление

работке открытого ПО и помогает организовывать процессы и сплачивать 
людей, это ПО поддерживающих.
Инструменты и методы, описанные в этой книге, своими корнями 
уходят глубоко в сообщество разработчиков ПО с открытым исходным 
кодом. Lucene, Solr, Mahout и OpenNLP – все эти проекты 
выросли под опекой Apache. В этой книге мы лишь скользнули по 
поверхности того, что умеют эти инструменты. Нашей целью было 
продемонстрировать базовые концепции, лежащие в основе обработки 
текстов, и заложить прочный фундамент под будущие исследования 
в этой области.
Успехов в кодировании!
ДРЮ ФЭРРИС

БЛАГОДАРНОСТИ

Работа над книгой заняла немало времени, и в ней принимало участие 
множество людей, которым мы с радостью выражаем свою признательность. 
Мы благодарны:
• пользователям и разработчикам Apache Solr, Lucene, Mahout, 
OpenNLP и других инструментов, упоминаемых в этой книге;
• издательству Manning Publications, не бросившему нас, а в 
особенности Дугласу Пандику (Douglas Pundick), Карен Тегт-
мейер (Karen Tegtmeyer) и Брайану Бейсу (Marjan Bace);
• Джеффу Блейелю (Jeff Bleiel), нашему выпускающему редактору, 
который всю дорогу подгонял нас, невзирая на наш безумный 
график, всегда имел наготове похвалу и сумел превратить 
разработчиков в авторов;
• наших рецензентов за вопросы, комментарии и критические 
замечания, благодаря которым книга стала лучше: Адама Тей-
си (Adam Tacy), Амоса Бэннистера (Amos Bannister), Клинта 
Ховарта (Clint Howarth), Костантино Чербо (Costantino 
Cerbo), Давида Вайсса (Dawid Weiss), Дениса Куриленко 
(Denis Kurilenko), Дуга Уоррена (Doug Warren), Фрэнка Джа-
ниа (Frank Jania), Ганна Бирнера (Gann Bierner), Джеймса 
Хатуэя (James Hatheway), Джеймса Уоррена (James Warren), 
Джейсона Ренни (Jason Rennie), Джеффри Коупленда (Jeffrey 
Copeland), Джоша Рида (Josh Reed), Жульена Ниоша (Julien 
Nioche), Кита Кима (Keith Kim), Маниша Катьяла (Manish 
Katyal), Маргрит Бруггеман (Margriet Bruggeman), Масси-
мо Перга (Massimo Perga), Никандера  Бруггемана (Nikander 
Bruggeman), Филиппа К. Дженерта (Philipp K. Janert), Рика 
Вагнера (Rick Wagner), Роби Сена (Robi Sen), Саншета Диге 
(Sanchet Dighe), Шимона Чойнацки (Szymon Chojnacki), 
Тима Поттера (Tim Potter), Вайджаната Рао (Vaijanath Rao) и 
Джеффа Годлшрафе (Jeff Goldschrafe);
• наших соавторов, которые внесли вклад в отдельные разделы 
книги: Дж. Нила Рихтера (J. Neal Richter), Маниша Катьяла,