Bewertung:
Das Buch ist ein spannender und umfassender Leitfaden zum NLP, der eine breite Palette von Themen mit klaren Erklärungen und praktischen Anwendungen abdeckt. Es ist besonders nützlich für Praktiker, die an geschäftlichen Anwendungen interessiert sind.
Vorteile:⬤ Breites Themenspektrum
⬤ Anschauliche Erklärungen
⬤ Intuitive Implementierungen
⬤ Praktische Fallstudien
⬤ Anschaulicher Schreibstil
⬤ Datenorientierter Ansatz
⬤ Deckt sowohl Konzepte für Anfänger als auch für Fortgeschrittene ab
⬤ Enthält illustrierte Code-Beispiele
⬤ Verknüpft Konzepte mit Anwendungsfällen aus der Industrie.
In den Rezensionen werden keine spezifischen Nachteile erwähnt.
(basierend auf 2 Leserbewertungen)
Practical Natural Language Processing with Python: With Case Studies from Industries Using Text Data at Scale
Kapitel 1: Textdaten in Real Word.
Ziel des Kapitels: Dieses Kapitel befasst sich mit verschiedenen Arten von Textdaten. Die Informationen, die sie bieten, und der kommerzielle Wert, den jede dieser Daten potenziell bieten könnte. Durch das Verständnis der Daten erhält der Leser einen Überblick über die Landschaft, in die er sich begibt.
Anzahl der Seiten: 10.
Unterthemen.
⬤ NLP.
⬤ Suche.
⬤ Rezensionen.
⬤ Tweets/FB-Posts.
⬤ Chat-Daten.
⬤ SMS-Daten.
⬤ Inhaltsdaten.
⬤ IVR-Äußerungsdaten.
Kapitel 2: NLP im Kundenservice.
Ziel des Kapitels: Fallstudien für Probleme im Kundenservice und wie sie gelöst werden können.
Anzahl der Seiten: 39.
Unter - Themen.
1. Ein kurzer Überblick über die Kundendienstbranche.
2. Sprachanrufe.
3. Chats.
4. Kartendaten.
5. E-Mail-Daten.
6. Analyse der Stimme des Kunden.
7. Intent Mining.
8. NPS/CSAT-Treiber.
9. Einblicke in Verkaufsgespräche.
10. Gründe für Nicht-Kauf.
11. Umfrage-Kommentar-Analyse.
12. Auswertung von Sprachtranskripten.
Kapitel 3: NLP in Online-Rezensionen.
Ziel des Kapitels: Fallstudien für Probleme in Online-Rezensionen und wie sie gelöst werden können.
Anzahl der Seiten: 39.
Unter - Themen:
1. Stimmungsanalyse.
2. Gefühlsanalyse.
3. Ansatz 1: Lexikonbasierter Ansatz.
4. Ansatz 2: Regelbasierter Ansatz.
5. Ansatz 3: Auf maschinellem Lernen basierender Ansatz (Neuronales Netzwerk)
6. Extraktion von Attributen.
Kapitel 4: NLP in BFSI.
Ziel des Kapitels: Fallstudien zu Problemen im Bankensektor.
Unter-Themen:
1. NLP bei Betrug.
2. Methode 1 (Zur Extraktion von NER, populäre Bibliotheken)
3. Methode 2 (Für die Extraktion von NER, regelbasierter Ansatz)
4. Methode 3 (Klassifikatorbasierter Ansatz mit Worteinbettungen und neuronalen Netzen)
5. Andere Anwendungsfälle von NLP in BFSI.
6. Natürliche Sprachgenerierung in Banken.
Anzahl der Seiten: 47.
Kapitel 5: NLP in virtuellen Assistenten.
Ziel des Kapitels: Fallstudie zur Entwicklung von Bots mit natürlicher Sprache auf dem neuesten Stand der Technik.
Unter-Themen.
1. Überblick.
2. Ansatz 1: Der "klassische" Ansatz mit LSTMs.
3. Ansatz 2: Generierung von Antworten.
4. BERT.
5. Weitere Nuancen bei der Erstellung von Conversational Bots:
Anzahl der Seiten: 43.
| ISBN: | 9781484262450 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 253 |
Derzeit verfügbar, auf Lager.
