Публикации по теме 'nlp'


Анализ текстовых сообщений с помощью машинного обучения
В этом исследовании более подробно рассматриваются исторические текстовые сообщения с применением различных методов машинного обучения. Целью исследования является применение методов обработки естественного языка (NLP) для выявления коммуникативных тенденций, оценки эффективности существующего процесса и получения информации из исторических данных. Методология Для анализа данных я использовал Python в качестве языка программирования вместе с многочисленными программными библиотеками,..
Использование НЛП комментариев для прогнозирования рейтингов и представления функций онлайн-продуктов
Вам надоело читать длинную и показную страницу описания продукта? Вы когда-нибудь видели несоответствие звездных рейтингов продукта с его комментариями? Вот решение с помощью некоторых методов машинного обучения: Требуемые пакеты Python: Панды Re Склеарн Нампи текстовый объект matplotlib СПАСИ Извлечение и очистка текста Во-первых, мы вводим данные, извлеченные из Интернета, и изучаем формат комментариев, чтобы лучше понять, как мы можем работать с данными, и найти..
Две минуты НЛП — Эффективная идентификация намерений в коротких текстах с неконтролируемым обучением
LDA, USE, Sentence-BERT, PCA, UMAP и HDBSCAN В основном есть два подхода к обучению без учителя, чтобы понять, о чем говорится в коротких текстах: тематическое моделирование и кластеризация вложений. Тематическое моделирование Тематическое моделирование используется для обнаружения скрытых тем в коллекции документов. Очень распространенным алгоритмом тематического моделирования является LDA (латентное распределение Дирихле). Обратите внимание, что гиперпараметром алгоритма LDA..
А.И. Разговоры с животными
Могут ли алгоритмы машинного обучения подслушивать язык животных? Содержащиеся в неволе шимпанзе понимают по-английски так же хорошо, как двухлетний ребенок¹¹, и используют жесты человека⁵. Дельфины совместно координируют свои действия, чтобы открывать контейнеры¹⁴ и выполнять новые трюки⁹. Попугай может достоверно сообщить номер или цвет предмета¹⁰. И луговые собачки бьют тревогу, когда высокий человек в белом быстро приближается¹²! Используют ли животные язык? И если да, то..
Фильтруйте SMS на суахили по категориям с помощью машинного обучения.
Основное внимание в этой статье уделяется предоставлению метода фильтрации надоедливых SMS из наших почтовых ящиков. Мы узнаем, как группировать SMS-сообщения в зависимости от цели, для которой они были отправлены. Эта статья изначально была опубликована в блоге neurotech Africa . Когда вы слышите « динь », вы чуть не падаете и бежите к телефону в надежде увидеть долгожданное SMS, а потом с грустью обнаруживаете, что это рекламное сообщение от XYZ бренд. Это действительно может..
Анализ настроений с помощью библиотеки Python nltk
Общеизвестно, что успех компании/бизнеса/продукта напрямую зависит от покупателя, поэтому, если вашему клиенту нравится ваш продукт, это ваш успех. Если нет, то вам нужно импровизировать, внеся в него некоторые изменения. Вопрос. Как узнать, успешен ли ваш продукт? Что ж, для этого вам нужно проанализировать своих клиентов, и одним из атрибутов анализа ваших клиентов является анализ их настроений по отношению к конкретному продукту, и именно здесь в игру вступает анализ настроений...
Варианты использования машинного обучения и искусственного интеллекта в электронной коммерции
За предыдущее десятилетие индустрия электронной коммерции росла в геометрической прогрессии. Когда-то ему принадлежало 3% всей доли розничного рынка, а текущие прогнозы показывают, что к 2023 году он будет владеть почти 20%. Одной из ключевых причин ускоренного роста электронной коммерции в последние годы является растущее внедрение искусственного интеллекта. и его подотрасль, особенно машинное обучение (ML). Согласно статистике, к 2025 году доходы от ИИ в электронной коммерции..