Értékelés:
A könyv izgalmas és átfogó útmutatót nyújt az NLP-hez, amely a témák széles körét öleli fel, világos magyarázatokkal és gyakorlati alkalmazásokkal. Különösen hasznos az üzleti alkalmazások iránt érdeklődő szakemberek számára.
Előnyök:⬤ Széles témakínálat
⬤ világos magyarázatok
⬤ intuitív megvalósítások
⬤ gyakorlati esettanulmányok
⬤ társalgási stílus
⬤ adatközpontú megközelítés
⬤ kezdő és haladó koncepciókat egyaránt lefed
⬤ illusztrált kódpéldákat tartalmaz
⬤ a koncepciókat ipari felhasználási esetekhez köti.
A kritikákban nem említenek konkrét hátrányokat.
(2 olvasói vélemény alapján)
Practical Natural Language Processing with Python: With Case Studies from Industries Using Text Data at Scale
1. fejezet: Szöveges adatok a Real Wordben.
A fejezet célja: Ez a fejezet a szöveges adatok különböző típusaira összpontosít. Az általa kínált információkra és az egyes adatok potenciális kereskedelmi értékére. Az adatok megértése biztosítja az olvasó számára azt a tájat, amelybe belekerül.
Oldalak száma: 10.
Rész-témák: Az adatfeldolgozással kapcsolatos információk.
⬤ NLP.
⬤ Keresés.
⬤ Kritikák.
⬤ Tweets/FB Posts.
⬤ Csevegési adatok.
⬤ SMS adatok.
⬤ Content adatok.
⬤ IVR-nyilatkozatok adatai.
2. fejezet: NLP az ügyfélszolgálatban.
Cél: Esettanulmányok az ügyfélszolgálat problémáiról és azok megoldásáról.
Oldalak száma: 39.
Rész - témakörök.
1. Az ügyfélszolgálati ágazat gyors áttekintése.
2. Hanghívások.
3. Csevegések.
4. Jegyek adatai.
5. Email adatok.
6. Az ügyfelek hangjának elemzése.
7. Intent Mining.
8. NPS/CSAT-irányítók.
9. Betekintés az értékesítési beszélgetésekbe.
10. A vásárlás elmaradásának okai.
11. Felmérési megjegyzések elemzése.
12. Bányászati hangátiratok.
3. fejezet: NLP az online véleményekben.
Cél: Esettanulmányok az online véleményekkel kapcsolatos problémákról és azok megoldásáról.
Oldalak száma: 39.
Rész - témakörök:
1. Érzelemelemzés.
2. Érzelembányászat.
3. Megközelítés 1: Lexikon alapú megközelítés.
4. Megközelítés 2: Szabályalapú megközelítés.
5. megközelítés: Gépi tanuláson alapuló megközelítés (neurális hálózat).
6. Attribútum-kivonatolás.
4. fejezet: NLP a BFSI-ben.
Cél: esettanulmányok a banki ágazat problémáira.
Rész-témák:
1. NLP a csalásban.
2. 1. módszer (NER kivonásához, népszerű könyvtárak)
3. módszer (NER kinyeréséhez, szabályalapú megközelítés)
4. módszer (szóbeágyazásokat és neurális hálózatokat használó osztályozó alapú megközelítés)
5. Az NLP egyéb felhasználási esetei a BFSI-ben.
6. Természetes nyelvi generálás a bankokban.
Oldalak száma: 47.
5. fejezet: NLP a virtuális asszisztensekben.
Cél: Esettanulmány a legkorszerűbb természetes nyelvű botok építéséről.
Altémák.
1. Áttekintés.
2. Megközelítés 1: A "klasszikus" megközelítés LSTM-ek használatával.
3. Megközelítés 2: Válaszok generálása.
4. BERT.
5. További árnyalatok a társalgási botok építésében:
Oldalak száma: 43.