دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Natural Language Processing and Computational Linguistics: A Practical Guide to Text Analysis With Python, Gensim, spaCy, and Keras
دانلود کتاب پردازش زبان طبیعی و زبان شناسی محاسباتی: راهنمای عملی برای تجزیه و تحلیل متن با Python، Gensim، spaCy و Keras
مشخصات کتاب
Natural Language Processing and Computational Linguistics: A Practical Guide to Text Analysis With Python, Gensim, spaCy, and Keras
ویرایش:
نویسندگان: Bhargav Srinivasa-Desikan [Bhargav Srinivasa-Desikan]
سری:
ISBN (شابک) : 9781788837033
ناشر: Packt Publishing
سال نشر: 2018
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
قیمت کتاب (تومان) : 48,000
در صورت تبدیل فایل کتاب Natural Language Processing and Computational Linguistics: A Practical Guide to Text Analysis With Python, Gensim, spaCy, and Keras 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 پردازش زبان طبیعی و زبان شناسی محاسباتی: راهنمای عملی برای تجزیه و تحلیل متن با Python، Gensim، spaCy و Keras 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 پردازش زبان طبیعی و زبان شناسی محاسباتی: راهنمای عملی برای تجزیه و تحلیل متن با Python، Gensim، spaCy و Keras
برای انجام تجزیه و تحلیل متن مدرن، پردازش زبان طبیعی، و الگوریتم‌های زبان‌شناسی محاسباتی، با Python و ابزارهای منبع باز قدرتمند مانند Gensim و spaCy کار کنید.
\r\nویژگی های کلیدی
\r\n-
\r\n
- اکوسیستم تجزیه و تحلیل متن Python منبع باز را با استفاده از spaCy، Gensim، scikit-learn و Keras کشف کنید \r\n
- تحلیل عملی متن با پایتون، شامل پردازش زبان طبیعی و الگوریتم‌های زبان‌شناسی محاسباتی \r\n
- تکنیک های یادگیری عمیق برای تجزیه و تحلیل متن را بیاموزید \r\n
شرح کتاب
\r\nتحلیل متن مدرن اکنون با استفاده از پایتون و ابزارهای منبع باز بسیار قابل دسترسی است، بنابراین کشف کنید که چگونه می‌توانید اکنون تحلیل متن مدرن را در این دوره از داده‌های متنی انجام دهید.
\r\nاین کتاب به شما نشان می‌دهد که چگونه از پردازش زبان طبیعی و الگوریتم‌های زبان‌شناسی محاسباتی برای استنتاج و به دست آوردن بینش در مورد داده‌هایی که دارید استفاده کنید. این الگوریتم ها بر اساس تکنیک های یادگیری ماشین آماری و هوش مصنوعی هستند. ابزارهای کار با این الگوریتم‌ها در حال حاضر در دسترس شما هستند - با Python و ابزارهایی مانند Gensim و spaCy.
\r\nشما با یادگیری در مورد تمیز کردن داده ها و سپس نحوه انجام زبان شناسی محاسباتی از مفاهیم اولیه شروع خواهید کرد. سپس با استفاده از پایتون، با نمونه‌های زبان و متن واقعی، آماده کاوش در زمینه‌های پیچیده‌تر NLP آماری و یادگیری عمیق هستید. شما یاد خواهید گرفت که با استفاده از بهترین ابزار، متن را برچسب گذاری، تجزیه و مدل کنید. دانش عملی در مورد بهترین چارچوب‌ها برای استفاده به دست خواهید آورد، و می‌دانید چه زمانی ابزاری مانند Gensim را برای مدل‌های موضوعی انتخاب کنید، و چه زمانی باید با Keras برای یادگیری عمیق کار کنید.
\r\nاین کتاب تئوری و مثال‌های عملی را متعادل می‌کند، بنابراین می‌توانید پروژه‌های پردازش زبان طبیعی و زبان‌شناسی محاسباتی خود را بیاموزید و انجام دهید. شما اکوسیستم غنی ابزارهای پایتون را که برای اجرای NLP در دسترس دارید، کشف خواهید کرد - و وارد دنیای جالب تحلیل متن مدرن خواهید شد.
\r\nآنچه خواهید آموخت
\r\n-
\r\n
- چرا تجزیه و تحلیل متن در عصر مدرن ما مهم است \r\n
- اصطلاحات NLP را بدانید و با ابزارها و مجموعه داده های پایتون آشنا شوید \r\n
- نحوه پیش پردازش و پاکسازی داده های متنی را بیاموزید \r\n
- داده های متنی را به نمایش های فضای برداری تبدیل کنید \r\n
- استفاده از spaCy برای پردازش متن \r\n
- مدل های NLP خود را برای زبان شناسی محاسباتی آموزش دهید \r\n
- استفاده از الگوریتم های یادگیری آماری و مدل سازی موضوع برای متن، با استفاده از Gensim و scikit-learn \r\n
- از تکنیک های یادگیری عمیق برای تجزیه و تحلیل متن با استفاده از Keras استفاده کنید \r\n
این کتاب برای چه کسی است
\r\nاگر می‌خواهید ابتدا وارد دنیای جالب تجزیه و تحلیل متن و NLP شوید، این کتاب برای شما مناسب است و آماده کار با اکوسیستم غنی پایتون از ابزارها و مجموعه‌های داده در انتظار شما هستید!< /p>\r\n
فهرست محتوا
\r\n-
\r\n
- تحلیل متن چیست؟\r\n
- نکات پایتون برای تجزیه و تحلیل متن\r\n
- مدل های زبان spaCy\r\n
- Gensim – بردار کردن متن و تبدیل و n-gram\r\n
- POS-Tagging و کاربردهای آن\r\n
- NER-Tagging و کاربردهای آن\r\n
- تجزیه وابستگی\r\n
- مدل های برتر\r\n
- مدل سازی مبحث پیشرفته\r\n
- خوشه بندی و طبقه بندی متن\r\n
- پرس و جوهای تشابه و خلاصه سازی\r\n
- Word2Vec، Doc2Vec و Gensim\r\n
- آموزش عمیق برای متن\r\n
- Keras و spaCy برای یادگیری عمیق\r\n
- تحلیل احساسات و ChatBots\r\n
**
درباره نویسنده
\r\nBhargav Srivinasa-Desikan یک محقق دانشجو است که برای INRIA در لیل، فرانسه کار می کند. او بخشی از تیم MODAL (مدل های تجزیه و تحلیل داده ها و یادگیری) است و روی یادگیری متریک، تجمیع پیش بینی کننده و تجسم داده ها کار می کند. او همچنین در پروژه‌های یادگیری ماشین منبع باز، به‌ویژه مدل‌های موضوعی پویا برای Gensim مشارکت می‌کند.
توضیحاتی درمورد کتاب به خارجی
Work with Python and powerful open source tools such as Gensim and spaCy to perform modern text analysis, natural language processing, and computational linguistics algorithms.
Key Features
- Discover the open source Python text analysis ecosystem, using spaCy, Gensim, scikit-learn, and Keras
- Hands-on text analysis with Python, featuring natural language processing and computational linguistics algorithms
- Learn deep learning techniques for text analysis
Book Description
Modern text analysis is now very accessible using Python and open source tools, so discover how you can now perform modern text analysis in this era of textual data.
This book shows you how to use natural language processing, and computational linguistics algorithms, to make inferences and gain insights about data you have. These algorithms are based on statistical machine learning and artificial intelligence techniques. The tools to work with these algorithms are available to you right now - with Python, and tools like Gensim and spaCy.
You'll start by learning about data cleaning, and then how to perform computational linguistics from first concepts. You're then ready to explore the more sophisticated areas of statistical NLP and deep learning using Python, with realistic language and text samples. You'll learn to tag, parse, and model text using the best tools. You'll gain hands-on knowledge of the best frameworks to use, and you'll know when to choose a tool like Gensim for topic models, and when to work with Keras for deep learning.
This book balances theory and practical hands-on examples, so you can learn about and conduct your own natural language processing projects and computational linguistics. You'll discover the rich ecosystem of Python tools you have available to conduct NLP - and enter the interesting world of modern text analysis.
What you will learn
- Why text analysis is important in our modern age
- Understand NLP terminology and get to know the Python tools and datasets
- Learn how to pre-process and clean textual data
- Convert textual data into vector space representations
- Using spaCy to process text
- Train your own NLP models for computational linguistics
- Use statistical learning and Topic Modeling algorithms for text, using Gensim and scikit-learn
- Employ deep learning techniques for text analysis using Keras
Who This Book Is For
This book is for you if you want to dive in, hands-first, into the interesting world of text analysis and NLP, and you're ready to work with the rich Python ecosystem of tools and datasets waiting for you!
Table of Contents
- What is Text Analysis?
- Python Tips for Text Analysis
- spaCy’s Language Models
- Gensim – Vectorizing text and transformations and n-grams
- POS-Tagging and its Applications
- NER-Tagging and its Applications
- Dependency Parsing
- Top Models
- Advanced Topic Modelling
- Clustering and Classifying Text
- Similarity Queries and Summarization
- Word2Vec, Doc2Vec and Gensim
- Deep Learning for text
- Keras and spaCy for Deep Learning
- Sentiment Analysis and ChatBots
**
About the Author
Bhargav Srivinasa-Desikan is a student researcher working for INRIA in Lille, France. He is part of the MODAL (Models of Data Analysis and Learning) team, and he works on metric learning, predictor aggregation and data visualization. He also contributes to open source machine learning projects, particularly dynamic topic models for Gensim.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Public Policy and the Mass Media: The Interplay of Mass Communication and Political Decision Making (Routledge ECPR Studies in European Political Science)
دانلود کتاب Cultivated vegetables of the world: a multilingual onomasticon
دانلود کتاب Being Safe on Wheels
