توضیحات
Learn how you can perform named entity recognition using HuggingFace Transformers and spaCy libraries in Python. Named Entity Recognition (NER) is a typical natural language processing (NLP) task that automatically identifies and recognizes predefined entities in a given text. Entities like person names, organizations, dates and times, and locations are valuable information to extract from unstructured and unlabeled raw text. At the end of this tutorial, you will be able to perform named entity recognition on any given English text with HuggingFace Transformers and SpaCy in Python.
SpaCy is an open-source library in Python for advanced Natural Language Processing (NLP). It is built on the latest research and designed to be used in real-world products. We’ll be using two NER models on SpaCy, namely the regular en_core_web_sm and the transformer en_core_web_trf. We’ll also use spaCy’s NER amazing visualizer. To get started, let’s install the required libraries for this tutorial.
Fake News Detection in Python: Exploring the fake news dataset, performing data analysis such as word clouds and ngrams, and fine-tuning BERT transformer to build a fake news detector in Python using transformers library. Fake news is the intentional broadcasting of false or misleading claims as news, where the statements are purposely deceitful. Newspapers, tabloids, and magazines have been supplanted by digital news platforms, blogs, social media feeds, and a plethora of mobile news applications. News organizations benefitted from the increased use of social media and mobile platforms by providing subscribers with up-to-the-minute information. Consumers now have instant access to the latest news. These digital media platforms have increased in prominence due to their easy connectedness to the rest of the world and allow users to discuss and share ideas and debate topics such as democracy, education, health, research, and history. Fake news items on digital platforms are getting more popular and are used for profit, such as political and financial gain.
It is vital to recognize and differentiate between false and accurate news. One method is to have an expert decide, and fact checks every piece of information, but this takes time and needs expertise that cannot be shared. Secondly, we can use Machine Learning (ML) and Artificial Intelligence (AI) tools to automate the identification of fake news. Online news information includes various unstructured format data (such as documents, videos, and audio), but we will concentrate on text format news here. With the progress of Machine Learning and Natural Language Processing, we can now recognize the misleading and false character of an article or statement. Several studies and experiments are being conducted to detect fake news across all mediums.
Paraphrase Text using Transformers in Python: Explore different pre-trained transformer models in transformers library to paraphrase sentences in Python. Paraphrasing is the process of coming up with someone else’s ideas in your own words. To paraphrase a text, you have to rewrite it without changing its meaning. In this tutorial, we will explore different pre-trained transformer models for automatically paraphrasing text using the Huggingface transformers library in Python.
It includes topics:
1. Named Entity Recognition
2. Fake News Detection in Python
3. Paraphrase Text using Transformers in Python
4. Text Generation
5. Speech Recognition
6. Machine Translation
7. Train BERT from Scratch
8. Conversational AI Chatbot
9. Fine Tune BERT
10. Perform Text Summarization
11. Sentiment Analysis
12. Translate Languages
13. Perform Text Classification
14. Build a Text Generator
15. Build a Spam Classifier
I have explained every topic in the most simplest way and you can use these topics in multiple place.
Who this book is for:
This book is highly appealing to all tech-savvy students, programming enthusiasts, IT graduates, and computer science professionals who want to build strong proficiency in building Python applications. Prior understanding of Python basic coding concepts like variables, expressions, and control structures is required to begin with this book. You can also read Basic Core Python.
————————————————————–
ترجمه ماشینی :
بیاموزید که چگونه میتوانید با استفاده از Transformers HuggingFace و کتابخانههای spaCy در پایتون، شناسایی موجودیت نامگذاری شده را انجام دهید. شناسایی نهاد نامگذاری شده (NER) یک وظیفه پردازش زبان طبیعی (NLP) معمولی است که به طور خودکار موجودیت های از پیش تعریف شده را در یک متن مشخص شناسایی و شناسایی می کند. نهادهایی مانند نام افراد، سازمانها، تاریخها و زمانها و مکانها اطلاعات ارزشمندی برای استخراج از متن خام بدون ساختار و بدون برچسب هستند. در پایان این آموزش، میتوانید با استفاده از HuggingFace Transformers و SpaCy در پایتون، شناسایی موجودیت نامگذاری شده را بر روی هر متن انگلیسی خاص انجام دهید. SpaCy یک کتابخانه منبع باز در پایتون برای پردازش پیشرفته زبان طبیعی (NLP) است. این بر اساس آخرین تحقیقات ساخته شده و برای استفاده در محصولات دنیای واقعی طراحی شده است. ما از دو مدل NER در SpaCy استفاده خواهیم کرد، یعنی en_core_web_sm معمولی و ترانسفورماتور en_core_web_trf. ما همچنین از تجسم کننده شگفت انگیز NER SpaCy استفاده خواهیم کرد. برای شروع، بیایید کتابخانه های مورد نیاز این آموزش را نصب کنیم. \ تشخیص اخبار جعلی در پایتون: کاوش مجموعه داده های اخبار جعلی، انجام تجزیه و تحلیل داده ها مانند ابرهای کلمه و ngram، و تنظیم دقیق ترانسفورماتور BERT برای ساخت آشکارساز اخبار جعلی در پایتون با استفاده از کتابخانه ترانسفورماتور. اخبار جعلی پخش عمدی ادعاهای دروغ یا گمراه کننده به عنوان اخبار است که در آن اظهارات عمدا فریبنده هستند. روزنامهها، تبلویدها و مجلات جای خود را به پلتفرمهای خبری دیجیتال، وبلاگها، فیدهای رسانههای اجتماعی و انبوهی از برنامههای خبری موبایلی دادهاند. سازمانهای خبری از افزایش استفاده از رسانههای اجتماعی و پلتفرمهای تلفن همراه با ارائه اطلاعات بهروز به مشترکان سود بردند. اکنون مصرف کنندگان به آخرین اخبار دسترسی دارند. این پلتفرمهای رسانههای دیجیتال به دلیل ارتباط آسان با سایر نقاط جهان برجستگی خود را افزایش دادهاند و به کاربران اجازه میدهند تا در مورد موضوعاتی مانند دموکراسی، آموزش، بهداشت، تحقیق و تاریخ بحث و تبادل نظر کنند. اخبار جعلی در پلتفرمهای دیجیتال محبوبتر میشوند و برای سود، مانند منافع سیاسی و مالی استفاده میشوند. تشخیص و تمایز بین اخبار نادرست و دقیق حیاتی است. یکی از روشها این است که یک متخصص تصمیم بگیرد و حقایق همه اطلاعات را بررسی کند، اما این زمان میبرد و نیاز به تخصص دارد که نمیتوان آن را به اشتراک گذاشت. در مرحله دوم، ما میتوانیم از ابزارهای یادگیری ماشینی (ML) و هوش مصنوعی (AI) برای شناسایی خودکار اخبار جعلی استفاده کنیم. اطلاعات اخبار آنلاین شامل دادههای قالببندینشده مختلف (مانند اسناد، فیلمها و صدا) است، اما ما در اینجا روی اخبار قالب متنی تمرکز میکنیم. با پیشرفت یادگیری ماشینی و پردازش زبان طبیعی، اکنون می توانیم خصلت گمراه کننده و نادرست یک مقاله یا بیانیه را تشخیص دهیم. چندین مطالعه و آزمایش برای شناسایی اخبار جعلی در همه رسانه ها در حال انجام است. \ متن را با استفاده از ترانسفورماتورها در پایتون بازنویسی کنید: مدل های مختلف ترانسفورماتور از قبل آموزش دیده را در کتابخانه ترانسفورماتور کاوش کنید تا جملات را در پایتون بازنویسی کنید. بازنویسی فرآیند ارائه ایده های شخص دیگری از زبان خودتان است. برای بازنویسی متن، باید آن را بدون تغییر معنای آن بازنویسی کنید. در این آموزش، مدلهای مختلف ترانسفورماتور از قبل آموزش دیده را برای بازنویسی خودکار متن با استفاده از کتابخانه ترانسفورماتور Huggingface در پایتون بررسی میکنیم. شامل موضوعات: 1. شناسایی موجودیت نامگذاری شده 2. تشخیص اخبار جعلی در پایتون 3. بازنویسی متن با استفاده از ترانسفورماتورها در پایتون 4. تولید متن 5. تشخیص گفتار 6. ترجمه ماشینی 7. آموزش BERT از ابتدا 8. چت ربات هوش مصنوعی مکالمهای 9. تنظیم دقیق BERT 10. انجام خلاص
tag : دانلود کتاب پردازش زبان طبیعی عملی با استفاده از ترانسفورماتور با پایتون , Download پردازش زبان طبیعی عملی با استفاده از ترانسفورماتور با پایتون , دانلود پردازش زبان طبیعی عملی با استفاده از ترانسفورماتور با پایتون , Download Natural Language Processing Practical using Transformers with Python Book , پردازش زبان طبیعی عملی با استفاده از ترانسفورماتور با پایتون دانلود , buy پردازش زبان طبیعی عملی با استفاده از ترانسفورماتور با پایتون , خرید کتاب پردازش زبان طبیعی عملی با استفاده از ترانسفورماتور با پایتون , دانلود کتاب Natural Language Processing Practical using Transformers with Python , کتاب Natural Language Processing Practical using Transformers with Python , دانلود Natural Language Processing Practical using Transformers with Python , خرید Natural Language Processing Practical using Transformers with Python , خرید کتاب Natural Language Processing Practical using Transformers with Python ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.