Applied Text Analysis with Python: Vydávání datových produktů s ohledem na jazyk pomocí strojového učení.

Recenze čtenářů

Kniha poskytuje ucelený a praktický úvod do zpracování přirozeného jazyka (NLP) a nabízí cenné poznatky a praktické příklady pro ty, kteří se chtějí tomuto tématu věnovat. Zatímco zkušení kodéři a praktici ji přijmou s povděkem, pro začátečníky může představovat problém kvůli své složitosti a závislosti na kódování. Pro některé čtenáře jsou některé příklady kódu frustrující a nejsou okamžitě funkční.

** Vřele doporučujeme pro její komplexní úvod do konceptů NLP. ** Je stručná a praktická, takže se snadno čte od začátku do konce. ** Dobré pokrytí současných metodik a knihoven NLP, včetně praktických aplikací. ** Slouží jako užitečný zdroj informací pro zkušené programátory a praktiky v oboru.

** Příklady kódů často nefungují přímo ze stránky a vyžadují úpravy. ** Chybí dostatečné vysvětlení pro začátečníky, což znesnadňuje práci méně zkušeným programátorům. ** Nefunguje dobře jako referenční příručka kvůli kumulativnímu stavebnímu stylu. ** Není k dispozici pro čtečku Kindle Cloud Reader, což omezuje přístup některých uživatelů.

(na základě 14 hodnocení čtenářů)

Původní název:

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

Obsah knihy:

Přirozený jazyk, od zpráv a projevů až po neformální konverzaci na sociálních sítích, je jedním z nejbohatších a nejhůře využívaných zdrojů dat. Nejenže přichází v nepřetržitém proudu, neustále se mění a přizpůsobuje kontextu, ale také obsahuje informace, které tradiční zdroje dat nezprostředkovávají.

Klíčem k uvolnění přirozeného jazyka je kreativní aplikace textové analýzy. Tato praktická kniha představuje přístup datového vědce k vytváření produktů s ohledem na jazyk pomocí aplikovaného strojového učení. Naučíte se robustní, opakovatelné a škálovatelné techniky pro analýzu textu pomocí jazyka Python, včetně kontextového a lingvistického inženýrství příznaků, vektorizace, klasifikace, tematického modelování, rozlišení entit, analýzy grafů a vizuálního řízení.

Na konci knihy budete vybaveni praktickými metodami pro řešení libovolného počtu složitých problémů reálného světa. Předzpracování a vektorizace textu do reprezentací s vysokými dimenzemi příznaků.

Provádět klasifikaci dokumentů a tematické modelování. Řídit proces výběru modelu pomocí vizuální diagnostiky. Extrahujte klíčové fráze, pojmenované entity a grafové struktury, abyste mohli uvažovat o datech v textu.

Vytvořit dialogový rámec umožňující chatboty a jazykově řízenou interakci. Použijte Spark ke škálování výpočetního výkonu a neuronové sítě ke škálování složitosti modelu.