Bewertung:
Das Buch bietet eine umfassende und praktische Einführung in die Verarbeitung natürlicher Sprache (NLP) und bietet wertvolle Einblicke und praktische Beispiele für alle, die sich mit dem Thema beschäftigen möchten. Während es von erfahrenen Programmierern und Praktikern gut aufgenommen wird, kann es für Anfänger aufgrund seiner Komplexität und der Abhängigkeit von der Programmierung eine Herausforderung darstellen. Einige Leser finden bestimmte Code-Beispiele frustrierend und nicht sofort funktional.
Vorteile:** Sehr empfehlenswert für die umfassende Einführung in NLP-Konzepte. ** Prägnant und praxisnah, so dass es von Anfang bis Ende leicht zu lesen ist. ** Gute Abdeckung der aktuellen NLP-Methoden und -Bibliotheken, einschließlich praktischer Anwendungen. ** Dient als nützliche Ressource für erfahrene Programmierer und Praktiker auf diesem Gebiet.
Nachteile:** Code-Beispiele funktionieren oft nicht auf Anhieb und müssen geändert werden. ** Es fehlt an ausreichenden Erklärungen für Anfänger, was es für weniger erfahrene Programmierer schwierig macht. ** Funktioniert aufgrund des kumulativen Aufbaustils nicht gut als Referenz. ** Nicht für Kindle Cloud Reader verfügbar, was den Zugang für einige Benutzer einschränkt.
(basierend auf 14 Leserbewertungen)
Applied Text Analysis with Python: Enabling Language-Aware Data Products with Machine Learning
Von Nachrichten und Reden bis hin zu informellen Gesprächen in sozialen Medien ist die natürliche Sprache eine der reichhaltigsten und am wenigsten genutzten Datenquellen. Sie kommt nicht nur in einem konstanten Strom daher, der sich ständig verändert und an den Kontext anpasst, sondern enthält auch Informationen, die von traditionellen Datenquellen nicht übermittelt werden.
Der Schlüssel zur Erschließung der natürlichen Sprache liegt in der kreativen Anwendung von Textanalysen. Dieses praktische Buch stellt den Ansatz eines Datenwissenschaftlers vor, der mit Hilfe von angewandtem maschinellem Lernen sprachbewusste Produkte entwickelt. Sie lernen robuste, wiederholbare und skalierbare Techniken für die Textanalyse mit Python kennen, darunter kontextuelles und linguistisches Feature-Engineering, Vektorisierung, Klassifizierung, Themenmodellierung, Entity Resolution, Graphenanalyse und visuelle Steuerung.
Am Ende des Buches werden Sie mit praktischen Methoden ausgestattet sein, um eine Vielzahl von komplexen realen Problemen zu lösen. Vorverarbeitung und Vektorisierung von Text in hochdimensionale Merkmalsdarstellungen.
Dokumentenklassifikation und Themenmodellierung durchführen. Steuern Sie den Prozess der Modellauswahl mit visuellen Diagnosen. Extrahieren von Schlüsselsätzen, benannten Entitäten und Graphenstrukturen, um Rückschlüsse auf Daten im Text zu ziehen.
Erstellen Sie ein Dialog-Framework, um Chatbots und sprachgesteuerte Interaktion zu ermöglichen. Verwenden Sie Spark zur Skalierung der Verarbeitungsleistung und neuronale Netze zur Skalierung der Modellkomplexität.
| ISBN: | 9781491963043 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 350 |
Derzeit verfügbar, auf Lager.
