Alkalmazott szövegelemzés Pythonnal: Nyelvtudatos adattermékek lehetővé tétele gépi tanulással

Olvasói vélemények

A könyv átfogó és gyakorlatias bevezetést nyújt a természetes nyelvfeldolgozásba (NLP), értékes betekintést és gyakorlati példákat kínál a témával foglalkozni kívánóknak. Míg a tapasztalt kódolók és gyakorlati szakemberek körében kedvező fogadtatásra talál, a kezdők számára kihívást jelenthet összetettsége és a kódolásra való támaszkodása miatt. Egyes olvasók bizonyos kódpéldákat frusztrálónak és nem azonnal működőképesnek találnak.

** Nagyon ajánlott az NLP-koncepciók átfogó bevezetése miatt. ** Tömör és gyakorlatias, így az elejétől a végéig könnyen olvasható. ** A jelenlegi NLP-módszertanok és -könyvtárak jó lefedettsége, beleértve a gyakorlati alkalmazásokat is. ** Hasznos forrásként szolgál a tapasztalt kódolók és a területen dolgozó szakemberek számára.

** A kódpéldák gyakran nem működnek rögtön az oldalról, módosításokat igényelnek. ** Hiányzik a kezdők számára elegendő magyarázat, ami megnehezíti a kevésbé tapasztalt programozók dolgát. ** Nem működik jól referenciaként a halmozottan építkező stílusa miatt. ** Nem érhető el a Kindle Cloud Readerhez, ami korlátozza a hozzáférést egyes felhasználók számára.

(14 olvasói vélemény alapján)

Eredeti címe:

Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning

Könyv tartalma:

A hírektől a beszédeken át a közösségi médiában zajló nem hivatalos beszélgetésekig a természetes nyelv az egyik leggazdagabb és legkevésbé kihasznált adatforrás. Nemcsak, hogy állandó folyamatként érkezik, mindig változik és alkalmazkodik a kontextushoz, hanem olyan információkat is tartalmaz, amelyeket a hagyományos adatforrások nem közvetítenek.

A természetes nyelv kiaknázásának kulcsa a szövegelemzés kreatív alkalmazása. Ez a gyakorlatias könyv egy adattudós megközelítését mutatja be a nyelvtudatos termékek alkalmazott gépi tanulással történő létrehozásához. Megtanulhat robusztus, megismételhető és skálázható szövegelemzési technikákat Pythonnal, beleértve a kontextuális és nyelvi jellemzők kialakítását, a vektorizálást, az osztályozást, a témamodellezést, az entitások felbontását, a gráfelemzést és a vizuális irányítást.

A könyv végére olyan gyakorlati módszerekkel leszel felvértezve, amelyekkel bármilyen összetett valós problémát megoldhatsz. Szövegek előfeldolgozása és vektorizálása nagydimenziós jellemzőreprezentációkba.

Végezzen dokumentumosztályozást és témamodellezést. Irányítsa a modellválasztási folyamatot vizuális diagnosztikával. A szövegben lévő adatokkal kapcsolatos következtetések levonása kulcsmondatokból, megnevezett entitásokból és gráfstruktúrákból.

Építsen párbeszéd keretrendszert a chatbotok és a nyelvvezérelt interakció lehetővé tételéhez. Használja a Sparkot a feldolgozási teljesítmény és a neurális hálózatok skálázásához a modell összetettségének skálázásához.