Публікації на тему 'nlp'


Текстовий комунікаційний аналіз із машинним навчанням
Це дослідження глибше вивчає історичні текстові повідомлення за допомогою різних методів машинного навчання. Метою дослідження є застосування методів обробки природної мови (NLP) для виявлення комунікаційних тенденцій, оцінки ефективності існуючого процесу та надання будь-якої інформації з історичних даних. Методологія Для аналізу даних я використовував Python як мову програмування разом із численними бібліотеками програмного забезпечення, такими як pandas, math, numpy, sklearn,..
Використання NLP коментарів для прогнозування рейтингів і представлення функцій онлайн-продуктів
Вам набридло читати довгу та показну сторінку опису товару? Ви коли-небудь бачили розбіжності між зірковими оцінками продукту та його коментарями? Ось рішення за допомогою деяких методів машинного навчання: Потрібні пакети Python: панди Re Sklearn Numpy Textblob matplotlib spaCy Вилучення та очищення тексту По-перше, ми вводимо дані, отримані з Інтернету, і вивчаємо формат коментарів, щоб краще зрозуміти, як ми можемо працювати з даними та знайти деякі закономірності...
Дві хвилини НЛП — Ефективна ідентифікація намірів у коротких текстах із неконтрольованим навчанням
LDA, USE, Sentence-BERT, PCA, UMAP і HDBSCAN Для розуміння того, про що йдеться в коротких текстах, в основному існують два підходи до навчання без контролю: тематичне моделювання та кластеризація вкладень. Моделювання теми Моделювання тем використовується для виявлення прихованих тем у колекції документів. Дуже поширеним алгоритмом моделювання теми є LDA (Latent Dirichlet Allocation). Зверніть увагу, що гіперпараметром алгоритму LDA є кількість тем, які потрібно знайти, які..
А.І. Розмови з тваринами
Чи можуть алгоритми машинного навчання підслуховувати мову тварин? У неволі шимпанзе розуміють англійську мову так само добре, як 2-річна людина¹¹, і використовують жести людської жестової мови⁵. Дельфіни спільно координують свої дії, щоб відкривати контейнери¹⁴ та виконувати нові трюки⁹. Папуга може достовірно повідомити кількість або колір предмета¹⁰. І лугові собаки б’ють на сполох, що висока людина в білому наближається швидко¹²! Чи використовують тварини мову? І якщо так, чи..
Фільтруйте SMS на суахілі за категоріями за допомогою машинного навчання.
Основна увага цієї статті зосереджена на наданні методу фільтрації надокучливих SMS із наших вхідних повідомлень. Ми навчимося групувати SMS-повідомлення залежно від мети, з якою вони були надіслані. Ця стаття була спочатку опублікована на neurotech Africa blog . Коли ви чуєте « ding », ви ледь не біжите до свого телефону в надії побачити довгоочікуване SMS, а потім із сумом виявляєте, що це рекламне повідомлення від XYZ бренд. Це справді може дратувати, багато таких рекламних..
Аналіз настрою за допомогою бібліотеки nltk Python
Загальновідомо, що успіх компанії/бізнесу/продукту напряму залежить від клієнта, тому якщо клієнту подобається ваш продукт, це ваш успіх. Якщо ні, тоді вам потрібно імпровізувати його, внісши в нього деякі зміни. Питання: як ви дізнаєтеся, чи ваш продукт успішний чи ні? Ну, для цього вам потрібно проаналізувати своїх клієнтів, і одним із атрибутів аналізу ваших клієнтів є аналіз їхніх настроїв щодо конкретного продукту, і саме тут аналіз настроїв з’являється. Отже, давайте..
Варіанти використання машинного навчання та штучного інтелекту в електронній комерції
За останнє десятиліття галузь електронної комерції зростала експоненціально. Колись вона займала 3% усієї частки ринку роздрібної торгівлі, а поточні прогнози вказують на те, що до 2023 року вона володітиме близько 20%. Однією з ключових причин прискореного зростання електронної комерції в останні роки є дедалі більше впровадження штучного інтелекту. і його підгалузь, зокрема машинне навчання (ML). Згідно зі статистичними даними, до 2025 року дохід від штучного інтелекту в електронній..