学习计算基础特征，如单词数、字符数、平均词长，以及特殊字符数量（例如 Twitter 话题标签与提及）。您还将学习计算可读性评分，并判断理解一段文本所需的受教育程度。

NLP 特征工程简介

机器学习算法的数据格式

独热编码（One-hot encoding）

基础特征提取

俄语推文的字符计数

TED 演讲的词数统计

俄语推文中的 Hashtag 和提及

可读性测试

《西西弗神话》的可读性

不同出版物的可读性

基础特征与可读性评分

在本章中，您将学习分词和词形还原。随后，您将学习如何使用 spaCy 库进行文本清洗、词性标注和命名实体识别。掌握这些概念后，您将把《葛底斯堡演说》转换为机器可处理的格式，分析虚假新闻中的名词用法，并识别 TechCrunch 文章中提到的人物。

分词与词形还原

识别词形还原（lemma）

对《葛底斯堡演说》进行分词

对《葛底斯堡演说》做词形还原

文本清洗

清洗一篇博客文章

清洗数据框中的 TED 演讲

词性标注（Part-of-speech tagging）

《蝇王》中的词性标注（POS tagging）

统计一段文本中的名词

假新闻中的名词使用

命名实体识别

句子中的命名实体

识别新闻文章中提到的人名

文本预处理、POS 标注与 NER

学习 n-gram 建模，并将其用于对电影评论进行情感分析。

构建 Bag-of-Words 模型

使用给定词表的词向量

电影标语的 BoW 模型

维度与预处理分析

用特征名映射特征索引

构建 BoW 朴素贝叶斯分类器

电影评论的 BoW 向量

预测电影评论的情感

构建 n-gram 模型

电影标语的 n-gram 模型

用于情感分析的高阶 n-gram

比较 n-gram 模型的性能

N-Gram 模型

学习如何计算 tf-idf 权重以及两向量之间的余弦相似度。您将利用这些概念构建电影和 TED 演讲的推荐器。最后，您还将学习词嵌入，并使用词向量表示来计算多首 Pink Floyd 歌曲之间的相似度。

构建 tf-idf 文档向量

高频词的 tf-idf 权重

TED Talks 的 tf-idf 向量

余弦相似度

余弦得分的取值范围

计算点积

语料库的余弦相似度矩阵

基于剧情梗概的推荐器构建

比较 linear_kernel 与 cosine_similarity

剧情推荐引擎

TED 演讲推荐器

超越 n-grams：词嵌入（word embeddings）

生成词向量

计算 Pink Floyd 歌曲的相似度

恭喜您！

TF-IDF 与相似度评分

Movie Overviews and Taglines

Preprocessed Movie Reviews

Real and Fake News Headlines

TED Talk Transcripts

Russian Troll Tweets

在本课程中，您将学习如何从文本中提取有用信息，并将其加工为适合应用 ML 模型的格式。具体而言，您将学习词性标注（POS）、命名实体识别（NER）、可读性评分、n-gram 与 tf-idf 模型，以及如何使用 scikit-learn 和 spaCy 来实现它们。您还将学习如何计算两篇文档之间的相似度。在此过程中，您将预测电影评论的情感，并构建电影和 TED 演讲的推荐器。完成课程后，您将能够从任何文本中构建关键特征，解决数据科学中一些最具挑战性的问题！

Introduction to Natural Language Processing in Python

Supervised Learning with scikit-learn

学习Python技术，从文本中提取有用信息，并将其处理为适合机器学习模型的格式。

Python 中的 NLP 特征工程

学习从文本中提取有用信息，并将其处理成适合机器学习的格式。

基于剧情梗概的推荐器构建

Create Your Free Account