Szövegelemzés Pythonnal: A Practitioner's Guide to Natural Language Processing (A gyakorlati szakemberek útmutatója a természetes nyelvi feldolgozáshoz)

Olvasói vélemények

A könyvet dicsérik világos és társalgási stílusa, az NLP és az adattudományi fogalmak átfogó lefedettsége, valamint oktatási értéke miatt. Ugyanakkor szenved az elavult kódpéldák, az ismétlődő tartalom, a nyomdahibák és az áttekinthetőség hiánya miatt néhány területen, ami csökkenti a tankönyvként való általános hatékonyságát.

⬤ Világos és közérthető írás
⬤ Átfogó tartalom az NLP-ről és az adattudományról
⬤ Sok kódpélda
⬤ Kifejezetten ajánlott a szövegelemzés szerelmeseinek
⬤ Jó magyarázatok és világos nyelvezet.

⬤ Elavult kódpéldák, amelyek gyakran nem működnek
⬤ Ismétlődő tartalom az egyes fejezetekben
⬤ Nyomtatási hibák és szürkeárnyalatos grafikák
⬤ Néhány olvasó unalmasnak és túlságosan bőbeszédűnek találta.

(11 olvasói vélemény alapján)

Eredeti címe:

Text Analytics with Python: A Practitioner's Guide to Natural Language Processing

Könyv tartalma:

Használja ki a természetes nyelvfeldolgozást (NLP) Pythonban, és tanulja meg, hogyan állíthatja be saját robusztus környezetét a szövegelemzéshez. Ez a második kiadás alaposan megújult, és számos jelentős változtatást és új témát vezet be az NLP legújabb trendjei alapján.

Látni fogja, hogyan használhatja az NLP legújabb, legkorszerűbb keretrendszereit, a Python által támogatott, felügyelt érzelemelemelemzésre szolgáló gépi tanulási és mélytanulási modellekkel párosítva, hogy konkrét esettanulmányokat oldjon meg. Kezdje a Python for NLP alapjainak áttekintésével a karakterláncokra és szöveges adatokra vonatkozóan, majd térjen át a szöveges adatok gépi reprezentációs módszereire, beleértve mind a hagyományos statisztikai modelleket, mind az újabb mélytanulás-alapú beágyazási modelleket. A szöveg elemzése és feldolgozása körüli továbbfejlesztett technikák és új módszerek is szóba kerülnek.

A szöveges összegzés és a témamodellek átdolgozásra kerültek, így a könyv bemutatja, hogyan lehet a NIPS konferenciadokumentumokról szóló érdekesség-adatkészlet kontextusában témamodelleket építeni, hangolni és értelmezni. Emellett a könyv kitér a szöveghasonlósági technikákra egy valós példán, a filmajánlókon keresztül, valamint a felügyelt és felügyelet nélküli technikákat alkalmazó hangulatelemzésre.

A szemantikai elemzésnek is van egy fejezet, amelyben megnézheti, hogyan építheti fel saját név szerinti entitásfelismerő rendszerét (NER) a semmiből. Bár a könyv általános felépítése változatlan, a teljes kódbázis, a modulok és a fejezetek a Python 3.x legújabb kiadására lettek frissítve.

Amit tanulni fog

- Megérti az NLP-t és a szöveg szintaxisát, szemantikáját és szerkezetét- Felfedezi a szövegtisztítást és a feature engineeringet- Áttekinti a szövegosztályozást és a szövegklaszterezést- Értékeli a szövegösszegzést és a témamodelleket- Tanulmányozza a mélytanulást az NLP számára.

Kinek szól ez a könyv

Informatikai szakemberek, adatelemzők, fejlesztők, nyelvészeti szakértők, adattudósok és mérnökök, és alapvetően bárki, aki élénken érdeklődik a nyelvészet, az analitika és a szöveges adatokból való meglátások generálása iránt.