Analýza textu v jazyce Python: Průvodce praktického uživatele zpracováním přirozeného jazyka v Pythonu.

Recenze čtenářů

Kniha je oceňována pro svůj srozumitelný a hovorový styl psaní, komplexní pokrytí konceptů NLP a datové vědy a vzdělávací hodnotu. Trpí však zastaralými příklady kódu, opakujícím se obsahem, tiskovými chybami a nepřehledností v některých oblastech, což snižuje její celkovou účinnost jako učebnice.

⬤ Srozumitelný a hovorový styl psaní
⬤ Ucelený obsah o NLP a datové vědě
⬤ Mnoho příkladů kódu
⬤ Vřele doporučuji nadšencům do textové analýzy
⬤ Dobrá vysvětlení a srozumitelný jazyk.

⬤ Zastaralé příklady kódu, které často nefungují
⬤ Opakující se obsah napříč kapitolami
⬤ Tiskové chyby a grafika ve stupních šedi
⬤ Některým čtenářům připadala nudná a příliš mnohomluvná.

(na základě 11 hodnocení čtenářů)

Původní název:

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

Obsah knihy:

Využijte zpracování přirozeného jazyka (NLP) v jazyce Python a naučte se, jak si vytvořit vlastní robustní prostředí pro analýzu textu. Toto druhé vydání prošlo zásadním přepracováním a přináší několik významných změn a nových témat vycházejících z nejnovějších trendů v oblasti NLP.

Uvidíte, jak používat nejnovější nejmodernější rámce v NLP spolu s modely strojového učení a hlubokého učení pro řízenou analýzu sentimentu s využitím jazyka Python k řešení skutečných případových studií. Začněte přehledem základů jazyka Python pro NLP na řetězcích a textových datech a přejděte k metodám technické reprezentace textových dat, včetně tradičních statistických modelů i novějších modelů založených na hlubokém učení (deep learning embedding). Diskutovány jsou také vylepšené techniky a nové metody kolem parsování a zpracování textu.

Sumarizace textu a tematické modely byly přepracovány, takže kniha ukazuje, jak vytvářet, ladit a interpretovat tematické modely v kontextu zájmové sady dat na konferenčních příspěvcích NIPS. Kromě toho se kniha zabývá technikami podobnosti textu s reálným příkladem filmových doporučovačů spolu s analýzou sentimentu s využitím technik s dohledem a bez dohledu.

Nechybí ani kapitola věnovaná sémantické analýze, kde se dozvíte, jak si od základu vytvořit vlastní systém rozpoznávání pojmenovaných entit (NER). Zatímco celková struktura knihy zůstává stejná, celá kódová základna, moduly a kapitoly byly aktualizovány na nejnovější verzi jazyka Python 3. x.

Co se naučíte

- Porozumíte NLP a syntaxi, sémantice a struktuře textu- Objevíte čištění textu a feature engineering- Projdete si klasifikaci textu a shlukování textu- Posoudíte sumarizaci textu a tematické modely- Prostudujete hluboké učení pro NLP.

Pro koho je tato kniha určena

IT profesionálům, datovým analytikům, vývojářům, lingvistům, datovým vědcům a inženýrům a v podstatě všem, kteří se zajímají o lingvistiku, analytiku a generování poznatků z textových dat.