دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Krishna Bhavsar, Naresh Kumar, Pratap Dangeti سری: ISBN (شابک) : 9781787289321 ناشر: Packt سال نشر: 2017 تعداد صفحات: 0 زبان: english فرمت فایل : ZIP (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Natural Language Processing with Python Cookbook (source code) 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 با کتاب آشپزی پایتون (کد منبع) 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.
ترفندها و نکاتی را بیاموزید که به شما در طراحی راه حل های تجزیه و تحلیل متن درباره این کتاب کمک می کند* دستور العمل های مستقلی که به شما یاد می دهد چگونه پردازش زبان طبیعی را در پایتون به طور موثر انجام دهید* از فرهنگ لغت برای ایجاد موجودیت های نام گذاری شده خود با استفاده از این راهنمای آسان استفاده کنید* یاد بگیرید نحوه پیادهسازی NLTK برای سناریوهای مختلف با کمک دستور العملهای غنی از مثال برای اینکه شما را فراتر از پردازش زبان طبیعی اصلی کیست این کتاب برای دانشمندان داده، تحلیلگران داده و متخصصان علوم داده در نظر گرفته شده است که میخواهند مهارتهای موجود خود را برای پیادهسازی ارتقا دهند. تجزیه و تحلیل متن پیشرفته با استفاده از NLP. برخی از دانش پایه در مورد پردازش زبان طبیعی توصیه می شود. آنچه خواهید آموخت* مدیریت پیکره را با استفاده از اجسام داخلی و خارجی کاوش کنید* استفاده از WordNet و چند تکلیف ساده برنامه را با استفاده از WordNet بیاموزید* روی متن خام کار کنید* یاد بگیرید که توکن سازی، ریشه یابی، واژه سازی را انجام دهید. و اصلاحات املایی، توقف حذف کلمات و موارد دیگر* درک عبارات منظم برای تطبیق الگو* یاد بگیرید از برچسبها و گرامرهای POS خود استفاده کنید و بنویسید* ارزیابی مدل های آموزش دیده خود را بیاموزید* تکنیک های یادگیری عمیق را در NLP کاوش کنید* تولید متن از نیچه نوشتن با استفاده از LSTM* استفاده از مجموعه دادههای BABI و LSTM برای مدلسازی قسمتها In DetailNatural Language Processing (NLP) رشتهای از علوم رایانه، هوش مصنوعی و زبانشناسی محاسباتی است که به تعامل بین رایانهها و زبانهای انسانی (طبیعی) مربوط میشود. این کتاب شامل دستور العمل های منحصر به فردی است که جنبه های مختلف انجام پردازش زبان طبیعی با NLTK- پلت فرم پیشرو پایتون برای این کار را به شما آموزش می دهد. در طول دوره با دستور العمل های مختلفی روبرو خواهید شد که (در میان موضوعات دیگر) درک زبان طبیعی، پردازش زبان طبیعی و تجزیه و تحلیل نحوی را پوشش می دهد. شما یاد خواهید گرفت که چگونه زبان را بفهمید، جملات را برنامه ریزی کنید و ابهامات مختلف را حل کنید. شما یاد خواهید گرفت که چگونه به طور موثر از NLTK استفاده کنید و طبقه بندی متن را پیاده سازی کنید، بخش هایی از گفتار را شناسایی کنید، کلمات را برچسب گذاری کنید و موارد دیگر. شما همچنین یاد خواهید گرفت که چگونه ساختار جمله را تجزیه و تحلیل کنید و به تحلیل واژگانی، تحلیل نحوی و معنایی، تحلیل عملی و استفاده از تکنیک های یادگیری عمیق تسلط پیدا کنید. در پایان این کتاب، تمام دانش مورد نیاز برای پیاده سازی پردازش زبان طبیعی را خواهید داشت. با Python.Style و Approach مجموعه غنی از دستور العمل های این کتاب در هنگام کار با پردازش زبان طبیعی با پایتون مفید خواهد بود. این کتابی است که باید در قفسه داشته باشید.
Learn the tricks and tips that will help you design Text Analytics solutionsAbout This Book* Independent recipes that will teach you how to efficiently perform Natural Language Processing in Python* Use dictionaries to create your own named entities using this easy-to-follow guide* Learn how to implement NLTK for various scenarios with the help of example-rich recipes to take you beyond basic Natural Language ProcessingWho This Book Is ForThis book is intended for data scientists, data analysts, and data science professionals who want to upgrade their existing skills to implement advanced text analytics using NLP. Some basic knowledge of Natural Language Processing is recommended.What You Will Learn* Explore corpus management using internal and external corpora* Learn WordNet usage and a couple of simple application assignments using WordNet* Operate on raw text* Learn to perform tokenization, stemming, lemmatization, and spelling corrections, stop words removals, and more* Understand regular expressions for pattern matching* Learn to use and write your own POS taggers and grammars* Learn to evaluate your own trained models* Explore Deep Learning techniques in NLP* Generate Text from Nietzsche's writing using LSTM* Utilize the BABI dataset and LSTM to model episodesIn DetailNatural Language Processing (NLP) is a field of computer science, artificial intelligence, and computational linguistics concerned with the interactions between computers and human (natural) languages; in particular, it's about programming computers to fruitfully process large natural language corpora.This book includes unique recipes that will teach you various aspects of performing Natural Language Processing with NLTK-the leading Python platform for the task. You will come across various recipes during the course, covering (among other topics) natural language understanding, Natural Language Processing, and syntactic analysis. You will learn how to understand language, plan sentences, and work around various ambiguities. You will learn how to efficiently use NLTK and implement text classification, identify parts of speech, tag words, and more. You will also learn how to analyze sentence structures and master lexical analysis, syntactic and semantic analysis, pragmatic analysis, and the application of deep learning techniques.By the end of this book, you will have all the knowledge you need to implement Natural Language Processing with Python.Style and ApproachThis book's rich collection of recipes will come in handy when you are working with Natural Language Processing with Python. Addressing your common and not-so-common pain points, this is a book that you must have on the shelf.
1. Corpus and WordNet 2. Raw Text, Sourcing, and Normalization 3. Pre-Processing 4. Regular Expressions 5. POS Tagging and Grammars 6. Chunking, Sentence Parse, and Dependencies 7. Information Extraction and Text Classification 8. Advanced NLP Recipes 9. Applications of Deep Learning in NLP 10. Advanced Applications of Deep Learning in NLP