Analisi testuale applicata con Python: Consentire prodotti di dati consapevoli della lingua con l'apprendimento automatico

Recensioni dei lettori

Il libro fornisce un'introduzione completa e pratica all'elaborazione del linguaggio naturale (NLP), offrendo spunti preziosi ed esempi pratici a chi desidera avvicinarsi a questo argomento. Sebbene sia ben accolto da codificatori e professionisti esperti, può rappresentare una sfida per i principianti a causa della sua complessità e della dipendenza dalla codifica. Alcuni lettori trovano alcuni esempi di codice frustranti e non immediatamente funzionali.

** Si raccomanda vivamente per la sua introduzione completa ai concetti della PNL. ** Conciso e pratico, che lo rende facile da leggere dall'inizio alla fine. ** Buona copertura delle attuali metodologie e librerie di PNL, comprese le applicazioni pratiche. ** È una risorsa utile per i codificatori esperti e per i professionisti del settore.

** Gli esempi di codice spesso non funzionano subito, richiedendo modifiche. ** Manca di sufficienti spiegazioni per i principianti, rendendo difficile il lavoro ai programmatori meno esperti. ** Non funziona bene come riferimento a causa del suo stile di costruzione cumulativo. ** Non è disponibile per Kindle Cloud Reader, il che limita l'accesso ad alcuni utenti.

(basato su 14 recensioni dei lettori)

Titolo originale:

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

Contenuto del libro:

Dalle notizie e dai discorsi alle chiacchiere informali sui social media, il linguaggio naturale è una delle fonti di dati più ricche e sottoutilizzate. Non solo si presenta in un flusso costante, sempre in evoluzione e adattamento al contesto, ma contiene anche informazioni che non vengono trasmesse dalle fonti di dati tradizionali.

La chiave per sbloccare il linguaggio naturale è l'applicazione creativa dell'analisi del testo. Questo libro pratico presenta l'approccio di uno scienziato dei dati per costruire prodotti consapevoli del linguaggio con l'apprendimento automatico applicato. Imparerete tecniche robuste, ripetibili e scalabili per l'analisi del testo con Python, tra cui l'ingegneria delle caratteristiche contestuali e linguistiche, la vettorizzazione, la classificazione, la modellazione degli argomenti, la risoluzione delle entità, l'analisi dei grafi e il visual steering.

Alla fine del libro, sarete dotati di metodi pratici per risolvere qualsiasi problema complesso del mondo reale. Preelaborare e vettorializzare il testo in rappresentazioni di caratteristiche ad alta dimensionalità.

Eseguire la classificazione dei documenti e la modellazione dei temi. Guidare il processo di selezione dei modelli con una diagnostica visiva. Estrarre frasi chiave, entità denominate e strutture a grafo per ragionare sui dati del testo.

Costruire un framework di dialogo per abilitare i chatbot e l'interazione guidata dal linguaggio. Utilizzare Spark per scalare la potenza di elaborazione e le reti neurali per scalare la complessità dei modelli.