Свързани публикации 'nlp'
Текстово-базиран комуникационен анализ с машинно обучение
Това проучване разглежда по-задълбочено историческите текстови съобщения чрез прилагане на различни техники за машинно обучение. Целта на изследването е да се приложат техники за обработка на естествен език (NLP), за да се идентифицират комуникационните тенденции, да се оцени ефективността на съществуващия процес и да се предостави всякаква представа от исторически данни.
Методика
За анализа на данните използвах Python като език за програмиране заедно с многобройни софтуерни библиотеки..
Използване на NLP на коментари за прогнозиране на рейтинги и представяне на функции на онлайн продукти
Писна ли ви да четете дълга и показна страница с описание на продукт? Виждали ли сте някога несъответствия между оценките със звезди на продукт и коментарите му? Ето решение с помощта на някои техники за машинно обучение:
Необходими пакети на Python:
панди Re Sklearn Numpy Textblob matplotlib spaCy
Извличане и почистване на текст
Първо въвеждаме данните, извлечени от мрежата, и изследваме формата на коментарите, за да разберем по-добре как можем да се справим с данните и..
Две минути НЛП — Ефективна идентификация на намеренията в кратки текстове с обучение без надзор
LDA, USE, Sentence-BERT, PCA, UMAP и HDBSCAN
Има основно два подхода за обучение без надзор, за да се разбере какво се говори в кратки текстове: моделиране на теми и групиране на вграждания.
Моделиране на теми
Моделирането на теми се използва за откриване на латентни теми в колекция от документи. Много често срещан алгоритъм за моделиране на теми е LDA (Latent Dirichlet Allocation). Обърнете внимание, че хиперпараметър на алгоритъма LDA е броят теми, които трябва да бъдат..
ИИ Разговори с животни
Могат ли алгоритмите за машинно обучение да подслушват езика на животните?
Шимпанзетата в плен разбират английски толкова добре, колкото човек на 2 години¹¹ и използват знаци от човешките жестомимични езици⁵. Делфините съвместно координират действията си, за да отварят контейнери¹4 и да изпълняват нови трикове⁹. Папагалът може надеждно да отчете броя или цвета на предмет¹⁰. А прерийните кучета алармират, че висок човек, облечен в бяло, се приближава бързо¹²!
Използват ли животните..
Филтрирайте SMS на суахили по категории с помощта на машинно обучение.
Основният фокус на тази статия е върху предоставянето на метод за филтриране на досадни SMS от нашите входящи кутии. Ще научим как да групираме SMS съобщения според целта, за която са изпратени.
Тази статия първоначално е публикувана в блога на neurotech Africa .
Когато чуете „ ding “, почти падате и тичате към телефона си с надеждата да видите дългоочаквания SMS и след това с тъга откривате, че това е промоционално съобщение от XYZ марка. Това наистина може да бъде досадно,..
Анализ на настроението с библиотеката nltk на python
Всеизвестно е, че успехът на една компания/бизнес/продукт зависи пряко от клиента, така че ако вашият клиент харесва вашия продукт, това е вашият успех. Ако не, тогава трябва да го импровизирате, като направите някои промени в него.
Въпрос: Как ще разберете дали вашият продукт е успешен или не?
Е, за това трябва да анализирате клиентите си и един от атрибутите на анализа на клиентите ви е да анализирате техните настроения към тях за конкретния продукт и това е мястото, където..
Случаи на използване на машинно обучение и изкуствен интелект в електронната търговия
През последното десетилетие индустрията за електронна търговия се разрасна с експоненциална скорост. Някога той държеше 3% от целия пазарен дял на дребно, а настоящите прогнози показват, че ще притежава близо 20% до 2023 г. Една от основните причини за ускорения растеж на електронната търговия през последните години е нарастващото приемане на изкуствения интелект и неговия подотрасъл, по-специално машинно обучение (ML). Според статистиката приходите, осигурени от AI в електронната..