Python természetes nyelvi feldolgozás: Fejlett gépi tanulás és mélytanulási technikák a természetes nyelvi feldolgozáshoz

Olvasói vélemények

A könyv egyes olvasók körében kedvező fogadtatásra talált világos magyarázatai és kezdőbarát felépítése miatt, különösen az alapvető programozási ismeretekkel rendelkezők számára. Ugyanakkor kritikák is érik, mivel elavult, hibákat tartalmaz, és fontos témákból hiányzik a mélység.

⬤ Jól strukturált tartalom, amely leegyszerűsíti az összetett fogalmakat
⬤ viszonyítható példák
⬤ alkalmas kezdők számára, akik alapvető programozási ismeretekkel rendelkeznek
⬤ hasznos az NLP-technikákkal kapcsolatos ismeretek megszerzéséhez.

⬤ Elavult tartalom Python használatával
⬤ 7
⬤ sok hiba és tévedés
⬤ egyes részek haszontalannak tűnnek
⬤ fontos témák, mint például a parserek és a NER, nincsenek megfelelően elmagyarázva.

(5 olvasói vélemény alapján)

Eredeti címe:

Python Natural Language Processing: Advanced machine learning and deep learning techniques for natural language processing

Könyv tartalma:

A gépi tanulás és a mélytanulás erejének kihasználása a szöveges adatokból való információ kinyerésére

Főbb jellemzők

⬤ Masinatanulási és mélytanulási technikák alkalmazása a hatékony természetes nyelvi feldolgozáshoz.

⬤ Kezdje el az NLTK használatát, és valósítsa meg az NLP-t könnyedén az alkalmazásaiban.

⬤  Értse és értelmezze az emberi nyelveket a szövegelemzés erejével a Python segítségével.

Könyv leírása

Ez a könyv azzal kezdi, hogy lefekteti a természetes nyelvfeldolgozás alapjait, és hogy miért a Python az egyik legjobb lehetőség egy NLP-alapú szakértői rendszer kiépítésére, olyan előnyökkel, mint a közösségi támogatás, a keretrendszerek elérhetősége stb. Később jobban megismertet a rendelkezésre álló szabad korpuszformákkal és a különböző típusú adatkészletekkel. Ezután tudni fogja, hogyan válasszon ki egy adathalmazt a természetes nyelvi feldolgozó alkalmazásokhoz, és hogyan találja meg a megfelelő NLP-technikákat az adathalmazokban lévő mondatok feldolgozásához és szerkezetük megértéséhez. Megtanulja továbbá, hogyan tokenizálhatja a mondatok különböző részeit, és hogyan elemezheti azokat.

A könyv során a szövegek szemantikai és szintaktikai elemzésével egyaránt megismerkedhet. Megérti majd, hogyan lehet megoldani a különböző kétértelműségeket az emberi nyelv feldolgozása során, és különböző forgatókönyvekkel találkozik majd a szövegelemzés során.

Megtanulja a természetes nyelvi feldolgozáshoz szükséges környezet előkészítésének legapróbb alapjait, áttér a kezdeti beállításokra, majd gyorsan megérti a mondatokat és a nyelvi részeket. Megismeri a gépi tanulás és a mélytanulás erejét, hogy információt nyerjen ki a szöveges adatokból.

A könyv végére tisztában lesz a természetes nyelvfeldolgozással, és több olyan példán is dolgozhat, amelyek az NLP-t a való világban valósítják meg.

Amit tanulni fog

⬤ Fókuszban a Python programozási paradigmák, amelyeket NLP-alkalmazások fejlesztésére használnak.

⬤ A korpuszelemzés és a különböző típusú adatattribútumok megértése.

⬤ Megtanulja az NLP-t olyan Python könyvtárak használatával, mint az NLTK, Polyglot, SpaCy, Standford CoreNLP és így tovább.

⬤ Tanulja meg a jellemzők kinyerését és a jellemzők kiválasztását a jellemzők tervezésének részeként.

⬤ Tudja meg a vektorizáció előnyeit a mélytanulásban.

⬤ Tanulja meg jobban megérteni egy szabályalapú rendszer felépítését.

⬤ Optimalizálja és finomhangolja a felügyelt és nem felügyelt gépi tanulási algoritmusokat NLP-problémákhoz.

⬤ Mélytanulási technikák azonosítása természetes nyelvfeldolgozási és természetes nyelvi generálási problémákhoz.