Ricettario sull'elaborazione del linguaggio naturale in Python: Oltre 50 ricette per comprendere, analizzare e generare testo per implementare compiti di elaborazione del linguaggio

Recensioni dei lettori

Il libro “Python Natural Language Processing Cookbook” di Zhenya Antić è generalmente ben accolto per il suo approccio pratico alla PNL, che fornisce ricette utili per vari compiti di PNL e copre argomenti sia di base che avanzati. Tuttavia, è criticato per i numerosi errori di codifica e le incongruenze che ostacolano l'esperienza di apprendimento di alcuni lettori.

⬤ Facile da leggere con esempi chiari.
⬤ Utile sia per i principianti che per i professionisti avanzati.
⬤ Contiene ricette pratiche, passo dopo passo, per attività di PNL.
⬤ Buona copertura dei moderni concetti di PNL, compreso l'uso di strumenti come Rasa e BERT.
⬤ Il repository GitHub offre la corrispondenza delle versioni dei pacchetti.
⬤ Aiuta a costruire progetti da zero.

⬤ Numero significativo di errori di codifica riscontrati negli esempi.
⬤ Alcuni lettori hanno riscontrato problemi nell'accesso alle fonti di dati.
⬤ Spiegazioni minime per concetti e terminologia complessi.
⬤ Alcuni hanno ritenuto che le transizioni tra le diverse librerie non fossero ben spiegate.
⬤ Richiede ai lettori una conoscenza preliminare di un certo gergo, il che lo rende meno facile da usare per i principianti.

(basato su 15 recensioni dei lettori)

Titolo originale:

Python Natural Language Processing Cookbook: Over 50 recipes to understand, analyze, and generate text for implementing language processing tasks

Contenuto del libro:

Imparare a risolvere problemi di NLP del mondo reale, come il parsing delle dipendenze, l'estrazione di informazioni, la modellazione di argomenti e la visualizzazione di dati testuali.

Caratteristiche principali:

⬤ Analizzare testi di varia complessità utilizzando pacchetti Python popolari come NLTK, spaCy, sklearn e gensim.

⬤ Implementare compiti di elaborazione linguistica comuni e meno comuni utilizzando le librerie Python.

⬤ Superare le sfide comuni affrontate durante l'implementazione di pipeline NLP.

Descrizione del libro:

Python è il linguaggio più utilizzato per l'elaborazione del linguaggio naturale (NLP) grazie ai suoi numerosi strumenti e librerie per l'analisi del testo e l'estrazione di dati utilizzabili al computer. Questo libro illustra una serie di tecniche per l'elaborazione del testo, dalle basi come il parsing delle parti del discorso ad argomenti complessi come il topic modeling, la classificazione del testo e la visualizzazione.

Partendo da una panoramica sulla PNL, il libro presenta ricette per la suddivisione del testo in frasi, lo stemming e la lemmatizzazione, la rimozione delle stopword e il tagging delle parti del discorso, per aiutarvi a preparare i vostri dati. Imparerete poi a estrarre e rappresentare le informazioni grammaticali, come il parsing delle dipendenze e la risoluzione delle anafore, scoprirete diversi modi di rappresentare la semantica utilizzando bag-of-words, TF-IDF, word embeddings e BERT, e svilupperete competenze per la classificazione del testo utilizzando parole chiave, SVM, LSTM e altre tecniche. Man mano che si avanza, si vedrà anche come estrarre informazioni dal testo, implementare tecniche non supervisionate e supervisionate per la modellazione degli argomenti ed eseguire la modellazione degli argomenti di testi brevi, come i tweet. Inoltre, il libro mostra come sviluppare chatbot utilizzando NLTK e Rasa e come visualizzare i dati di testo.

Alla fine di questo libro sull'NLP, avrete sviluppato le competenze necessarie per utilizzare un potente insieme di strumenti per l'elaborazione dei testi.

Che cosa imparerete:

⬤ Diventare esperti di tecniche NLP di base e avanzate in Python.

⬤ Rappresentare le informazioni grammaticali nel testo utilizzando spaCy e le informazioni semantiche utilizzando bag-of-words, TF-IDF e word embeddings.

⬤ Eseguire la classificazione del testo utilizzando diversi metodi, tra cui SVM e LSTM.

⬤ Esplorare diverse tecniche di modellazione di argomenti come K-means, LDA, NMF e BERT.

⬤ Lavorare con tecniche di visualizzazione come NER e nuvole di parole per diversi strumenti NLP.

⬤ Costruire un chatbot di base utilizzando NLTK e Rasa.

⬤ Estrarre informazioni dal testo utilizzando tecniche di espressione regolare e strumenti statistici e di deep learning.

A chi è rivolto questo libro:

Questo libro è rivolto a data scientist e professionisti che vogliono imparare a lavorare con il testo. Una conoscenza intermedia di Python vi aiuterà a trarre il massimo da questo libro. Se siete praticanti di PNL, questo libro vi servirà come riferimento per il codice quando lavorate ai vostri progetti.