Natural Language Processing with Python and spaCy: A Practical Introduction

مقدمه ای بر پردازش زبان طبیعی با پایتون با استفاده از spaCy، یک کتابخانه پردازش زبان طبیعی پیشرو پایتون. پردازش زبان طبیعی با پایتون و spaCy به شما نشان می دهد که چگونه برنامه های NLP مانند چت بات ها، اسکریپت های فشرده سازی متن و ابزارهای پردازش سفارش را سریع و آسان ایجاد کنید. شما یاد خواهید گرفت که چگونه از کتابخانه spaCy برای استخراج هوشمندانه معنی از متن استفاده کنید. نحوه تعیین روابط بین کلمات در یک جمله (تجزیه وابستگی نحوی). شناسایی اسامی، افعال و سایر بخش های گفتار (برچسب گذاری بخشی از گفتار). و اسامی خاص را در دسته‌هایی مانند افراد، سازمان‌ها و مکان‌ها مرتب کنید (شناسایی موجودیت نام‌گذاری شده). شما حتی خواهید آموخت که چگونه اظهارات را به سؤال تبدیل کنید تا مکالمه را ادامه دهید. همچنین یاد خواهید گرفت که چگونه: - کار با بردارهای کلمه برای یافتن ریاضی کلمات با معانی مشابه (فصل 5) - شناسایی الگوهای درون داده ها با استفاده از تصویرساز داخلی spaCy (فصل 7) - استخراج خودکار کلمات کلیدی از ورودی کاربر و ذخیره آنها در یک پایگاه داده رابطه ای (فصل 9) - یک برنامه چت بات برای تعامل با کاربران از طریق اینترنت (فصل 11) راه اندازی کنید (فصل 11) بخش های \"این را امتحان کنید\" در هر فصل شما را تشویق می کند تا با گسترش اسکریپت های نمونه کتاب به آنچه آموخته اید تمرین کنید. دامنه وسیع تری از ورودی ها را مدیریت کنید، مدیریت خطا را اضافه کنید و برنامه های کاربردی با کیفیت حرفه ای بسازید. تا پایان کتاب، برنامه‌های NLP خود را با پایتون و spaCy ایجاد خواهید کرد.

An introduction to natural language processing with Python using spaCy, a leading Python natural language processing library. Natural Language Processing with Python and spaCy will show you how to create NLP applications like chatbots, text-condensing scripts, and order-processing tools quickly and easily. You'll learn how to leverage the spaCy library to extract meaning from text intelligently; how to determine the relationships between words in a sentence (syntactic dependency parsing); identify nouns, verbs, and other parts of speech (part-of-speech tagging); and sort proper nouns into categories like people, organizations, and locations (named entity recognizing). You'll even learn how to transform statements into questions to keep a conversation going. You'll also learn how to: - Work with word vectors to mathematically find words with similar meanings (Chapter 5) - Identify patterns within data using spaCy's built-in displaCy visualizer (Chapter 7) - Automatically extract keywords from user input and store them in a relational database (Chapter 9) - Deploy a chatbot app to interact with users over the internet (Chapter 11) "Try This" sections in each chapter encourage you to practice what you've learned by expanding the book's example scripts to handle a wider range of inputs, add error handling, and build professional-quality applications. By the end of the book, you'll be creating your own NLP applications with Python and spaCy.