دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Applied Text Analysis with Python
دانلود کتاب تحلیل متن کاربردی با پایتون
مشخصات کتاب
Applied Text Analysis with Python
ویرایش: نویسندگان: Benjamin Bengfort, Rebecca Bilbro, Tony Ojeda سری: ISBN (شابک) : 9781491963043 ناشر: O’Reilly سال نشر: 2018 تعداد صفحات: 317 زبان: english فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
قیمت کتاب (تومان) : 80,000
در صورت تبدیل فایل کتاب Applied Text Analysis with Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تحلیل متن کاربردی با پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب تحلیل متن کاربردی با پایتون
از اخبار و سخنرانی ها گرفته تا گفتگوهای غیررسمی در رسانه های اجتماعی، زبان طبیعی یکی از غنی ترین و کم استفاده ترین منابع داده است. نه تنها در یک جریان ثابت می آید، همیشه در حال تغییر و تطبیق در زمینه است. همچنین حاوی اطلاعاتی است که توسط منابع داده سنتی منتقل نمی شود. کلید باز کردن قفل زبان طبیعی از طریق استفاده خلاقانه از تجزیه و تحلیل متن است. این کتاب عملی رویکرد یک دانشمند داده را برای ساختن محصولات آگاه به زبان با یادگیری ماشین کاربردی ارائه می‌کند. تکنیک‌های قوی، قابل تکرار و مقیاس‌پذیر برای تجزیه و تحلیل متن با پایتون، از جمله مهندسی ویژگی‌های زمینه‌ای و زبانی، برداری، طبقه‌بندی، مدل‌سازی موضوع، وضوح موجودیت، تجزیه و تحلیل گراف، و هدایت بصری را یاد خواهید گرفت. در پایان کتاب، شما به روش‌های عملی برای حل هر تعداد از مسائل پیچیده دنیای واقعی مجهز خواهید شد. پیش پردازش و بردار کردن متن به نمایش ویژگی‌های با ابعاد بالا انجام طبقه‌بندی اسناد و مدل‌سازی موضوع فرآیند انتخاب مدل را با عیب‌یابی بصری هدایت کنید. تعامل محوری از Spark برای مقیاس‌بندی قدرت پردازش و شبکه‌های عصبی برای مقیاس‌سازی پیچیدگی مدل استفاده کنید
توضیحاتی درمورد کتاب به خارجی
From news and speeches to informal chatter on social media, natural language is one of the richest and most underutilized sources of data. Not only does it come in a constant stream, always changing and adapting in context; it also contains information that is not conveyed by traditional data sources. The key to unlocking natural language is through the creative application of text analytics. This practical book presents a data scientist's approach to building language-aware products with applied machine learning. You'll learn robust, repeatable, and scalable techniques for text analysis with Python, including contextual and linguistic feature engineering, vectorization, classification, topic modeling, entity resolution, graph analysis, and visual steering. By the end of the book, you'll be equipped with practical methods to solve any number of complex real-world problems. Preprocess and vectorize text into high-dimensional feature representations Perform document classification and topic modeling Steer the model selection process with visual diagnostics Extract key phrases, named entities, and graph structures to reason about data in text Build a dialog framework to enable chatbots and language-driven interaction Use Spark to scale processing power and neural networks to scale model complexity
فهرست مطالب
Contents......Page 3
Preface......Page 8
Language & Computation......Page 16
The Data Science Paradigm......Page 17
Language-Aware Data Products......Page 19
Language as Data......Page 23
Conclusion......Page 31
What Is a Corpus?......Page 33
Corpus Data Management......Page 36
Corpus Readers......Page 41
Conclusion......Page 50
Corpus Preprocessing & Wrangling......Page 51
Breaking Down Documents......Page 52
Corpus Transformation......Page 61
Conclusion......Page 67
Text Vectorization & Transformation Pipelines......Page 68
Words in Space......Page 69
The Scikit-Learn API......Page 81
Pipelines......Page 87
Conclusion......Page 92
Classificatio for Text Analysis......Page 94
Text Classificatio......Page 95
Building a Text Classificatio Application......Page 98
Conclusion......Page 108
Unsupervised Learning on Text......Page 110
Clustering by Document Similarity......Page 112
Modeling Document Topics......Page 124
Conclusion......Page 136
Context-aware Text Analysis......Page 137
Grammar-Based Feature Extraction......Page 138
n-Gram Feature Extraction......Page 144
n-Gram Language Models......Page 151
Conclusion......Page 161
Text Visualization......Page 163
Visualizing Feature Space......Page 164
Model Diagnostics......Page 182
Visual Steering......Page 189
Conclusion......Page 192
Graph Analysis of Text......Page 194
Graph Computation and Analysis......Page 196
Extracting Graphs from Text......Page 200
Entity Resolution......Page 211
Conclusion......Page 216
Chatbots......Page 217
Fundamentals of Conversation......Page 218
Rules for Polite Conversation......Page 225
Entertaining Questions......Page 232
Learning to Help......Page 243
Conclusion......Page 250
Scaling Text Analytics with Multiprocessing & Spark......Page 251
Python Multiprocessing......Page 252
Cluster Computing with Spark......Page 263
Conclusion......Page 280
Deep Learning & beyond......Page 282
Neural Language Models......Page 283
Sentiment Analysis......Page 293
The Future Is (Almost) Here......Page 300
Glossary......Page 301
Index......Page 310
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Ratahan
دانلود کتاب Immunbiologie — Dispositions- und Konstitutionsforschung — Tuberkulose
