دانلود کتاب Natural Language Processing and Computational Linguistics: A Practical Guide to Text Analysis With Python, Gensim, spaCy, and Keras – پردازش زبان طبیعی و زبان شناسی محاسباتی: راهنمای عملی برای تجزیه و تحلیل متن با Python، Gensim، spaCy و Keras

توضیحات

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

1. What is Text Analysis?
2. Python Tips for Text Analysis
3. spaCys Language Models
4. Gensim Vectorizing text and transformations and n-grams
5. POS-Tagging and its Applications
6. NER-Tagging and its Applications
7. Dependency Parsing
8. Top Models
9. Advanced Topic Modelling
10. Clustering and Classifying Text
11. Similarity Queries and Summarization
12. Word2Vec, Doc2Vec and Gensim
13. Deep Learning for text
14. Keras and spaCy for Deep Learning
15. 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.

————————————————————–

ترجمه ماشینی :

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.

ویژگی‌های کلیدی

h4>

• با استفاده از spaCy، Gensim، scikit-learn و Keras، اکوسیستم متن باز تجزیه و تحلیل متن Python را کشف کنید
• تحلیل دستی متن با Python، دارای پردازش زبان طبیعی و الگوریتم های زبانشناسی محاسباتی
• یادگیری تکنیک های یادگیری عمیق برای تجزیه و تحلیل متن

شرح کتاب

تحلیل متن مدرن اکنون با استفاده از پایتون و ابزارهای منبع باز، بنابراین کشف کنید که چگونه اکنون می توانید تحلیل متن مدرن را در این دوره از داده های متنی انجام دهید.

این کتاب به شما نشان می دهد که چگونه از پردازش زبان طبیعی و الگوریتم های زبان شناسی محاسباتی برای استنتاج استفاده کنید. و بینشی در مورد داده هایی که دارید به دست آورید. 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 پایتون و ابزارهایی مانند Gensim و spaCy.

شما با یادگیری در مورد تمیز کردن داده‌ها و سپس نحوه انجام زبان‌شناسی محاسباتی از اولین مفاهیم 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. شما 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 با Keras برای یادگیری عمیق کار کنید.

این 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 از ابزارهای پایتون را که برای اجرای NLP در دسترس دارید، کشف خواهید کرد – و وارد دنیای جالب تحلیل متن مدرن خواهید شد.

آنچه خواهید آموخت

• چرا تجزیه و تحلیل متن در عصر مدرن ما مهم است
• درک اصطلاحات NLP و آشنایی با ابزارها و مجموعه داده های Python
• آشنایی با نحوه پیش پردازش و پاکسازی داده های متنی

li>

• تبدیل داده های متنی به نمایش های فضای برداری
• استفاده از spaCy برای پردازش متن
• مدل های NLP خود را برای زبان شناسی محاسباتی آموزش دهید
• از الگوریتم‌های یادگیری آماری و مدل‌سازی موضوع برای متن استفاده کنید، با استفاده از Gensim و scikit-learn
• استفاده از تکنیک‌های یادگیری عمیق برای تجزیه و تحلیل متن با استفاده از Keras

Who This Book Is برای

این کتاب برای شما مناسب است اگر می‌خواهید دست اول وارد دنیای جالب تجزیه و تحلیل متن و NLP شوید و آماده کار با اکوسیستم غنی ابزار و ابزار پایتون هستید. مجموعه داده ها منتظر شما هستند!

فهرست محتوا

1. تحلیل متن چیست؟
2. نکات پایتون برای تجزیه و تحلیل متن
3. SpaCys Language Models
4. Gensim Vectorizing متن و تبدیل و n-gram
5. POS-Tagging و کاربردهای آن
6. NER-Tagging و برنامه های کاربردی آن
7. تجزیه وابستگی
8. مدل های برتر
9. مدل سازی مبحث پیشرفته
10. خوشه بندی و طبقه بندی متن
11. پرسمان‌ها و خلاصه‌سازی مشابهت
12. Word2Vec، Doc2Vec و Gensim
13. آموزش عمیق برای متن
14. Keras و spaCy برای یادگیری عمیق
15. تحلیل احساسات و ربات‌های گفتگو

**

درباره نویسنده

Bhargav 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 و تجسم داده ها کار می کند. او همچنین در پروژه‌های یادگیری ماشین منبع باز، به‌ویژه مدل‌های موضوعی پویا برای Gensim مشارکت می‌کند.