Lär dig beräkna grundläggande särdrag som antal ord, antal tecken, genomsnittlig ordlängd och antal specialtecken (till exempel Twitter-hashtaggar och omnämnanden). Du lär dig också att beräkna läsbarhetspoäng och avgöra hur mycket utbildning som krävs för att förstå en text.

Introduktion till NLP-särdragsextraktion

Dataformat för ML-algoritmer

One-hot-kodning

Grundläggande särdragsextraktion

Antal tecken i ryska tweets

Ordantal i TED-föreläsningar

Hashtags och omnämnanden i ryska tweets

Läsbarhetstest

Läsbarhet för 'The Myth of Sisyphus'

Läsbarhet i olika publikationer

Grundläggande särdrag och läsbarhetspoäng

I det här kapitlet lär du dig om tokenisering och lemmatisering. Du lär dig sedan att utföra textrensning, ordklasstaggning och namngiven enhetsigenkänning med biblioteket spaCy. När du behärskar dessa koncept går du vidare och gör Gettysburgtalets text maskinvänlig, analyserar substantivanvändning i falska nyheter och identifierar personer som nämns i en artikel från TechCrunch.

Tokenisering och lemmatisering

Identifiera lemman

Tokenisera Gettysburgstalet

Lemmatisering av Gettysburgtalets ord

Textrensning

Rensa ett blogginlägg

Rensa TED-föreläsningar i en dataram

Ordklasstaggning

POS-taggning i Flugornas herre

Räkna substantiv i en text

Substantivanvändning i falska nyheter

Igenkänning av namngivna entiteter

Namngivna entiteter i en mening

Identifiera personer som nämns i en nyhetsartikel

Textförbehandling, POS-taggning och NER

Lär dig om n-gram-modellering och använd det för att utföra sentimentanalys på filmrecensioner.

Skapa en bag of words-modell

Ordvektorer med en given vokabulär

BoW-modell för filmtaglines

Analysera dimensionalitet och förbehandling

Mappa särdragsindex till särdragsnamn

Bygga en naiv Bayes-klassificerare med BoW

BoW-vektorer för filmrecensioner

Förutsäg sentimentet i en filmrecension

Bygga n-gram-modeller

N-gram-modeller för filmtaglines

N-gram av högre ordning för sentimentanalys

Jämföra n-gram-modellers prestanda

N-gram-modeller

Lär dig beräkna tf-idf-vikter och kosinuslikhet mellan två vektorer. Du använder dessa koncept för att bygga ett rekommendationssystem för filmer och ett för TED Talks. Avslutningsvis lär du dig om ordinbäddningar och använder ordvektorer för att beräkna likheter mellan olika låtar av Pink Floyd.

Skapa tf-idf-dokumentvektorer

tf-idf-vikt för vanligt förekommande ord

tf-idf-vektorer för TED-föreläsningar

Cosinuslikhet

Cosinuslikhetens värdeintervall

Beräkna skalärprodukt

Cosinuslikhetsmatris för ett korpus

Bygg en rekommendationsmotor baserad på handling

Jämföra linear_kernel och cosine_similarity

Rekommendationsmotor baserad på handling

Rekommendationsfunktionen

TED talk-rekommendationssystem

Bortom n-gram: ordinbäddningar

Generera ordvektorer

Beräkna likheten mellan Pink Floyd-låtar

Grattis!

TF-IDF och likhetspoäng

Movie Overviews and Taglines

Preprocessed Movie Reviews

Real and Fake News Headlines

TED Talk Transcripts

Russian Troll Tweets

I den här kursen lär du dig tekniker för att extrahera användbar information från text och omvandla den till ett format som lämpar sig för maskininlärningsmodeller. Mer specifikt lär du dig om POS-taggning, namngiven enhetsigenkänning, läsbarhetspoäng, n-gram- och tf-idf-modeller samt hur du implementerar dem med scikit-learn och spaCy. Du lär dig också att beräkna hur lika två dokument är varandra. Under kursens gång förutsäger du sentiment i filmrecensioner och bygger rekommendationssystem för filmer och TED Talks. När du är klar med kursen kan du utvinna viktiga särdrag ur valfri text och lösa några av de mest utmanande problemen inom datavetenskap!

Introduction to Natural Language Processing in Python

Supervised Learning with scikit-learn

Lär dig tekniker i Python för att extrahera information från text och bearbeta den för maskininlärning.

Funktionsutveckling för NLP i Python

Lär dig tekniker för att extrahera användbar information från text och bearbeta den till ett format som passar för maskininlärning.

Grattis!

Create Your Free Account