آموزش تجزیه و تحلیل احساسات توییتر و پردازش زبان طبیعی (NLP) برای مبتدیان
Twitter sentiment analysis & Natural language processing (NLP) for beginners
به طور متوسط روزانه 500 میلیون توییت وجود دارد! مردم در مورد موضوعات مختلف توییت می کنند، موضوعاتی از سیاست، ورزش گرفته تا فیلم و تقریباً هر موضوعی زیر آفتاب. تجزیه و تحلیل احساسات فرآیندی است برای تعیین اینکه آیا یک قطعه متن (بررسی، توییت، بازخورد و غیره) مثبت یا منفی است. تجزیه و تحلیل احساسات به ما در دریافت بازخورد مشتریان در مورد محصولات یا خدمات خاص کمک می کند. از آن برای خلق و خوی عمومی مردم در امور مختلف روزانه استفاده می شود. همچنین می‌توان از تحلیل احساسات برای پیش‌بینی نتایج انتخابات استفاده کرد.
در این دوره شما موارد زیر را خواهید آموخت
- تبدیل متن به مقادیر عددی با استفاده از مدل های کیسه ای کلمات و tf-idf
- تکنیک‌های اصلی NLP - توقف کلمات، ریشه‌یابی، نشانه‌سازی
- ساخت یک طبقه بندی متن با استفاده از تکنیک های طبقه بندی یادگیری ماشین
- صادرات و استقرار مدل های یادگیری ماشین
- راه اندازی یک حساب توسعه دهنده Twitter
- واکشی توییت‌های بی‌درنگ از توییتر و پیش‌بینی احساسات.
پیش نیازها:
شما باید دانش قبلی در پایتون و تکنیک های اصلی یادگیری ماشین مانند طبقه بندی داشته باشید
لطفاً پروژه دوره را در زیر بیابید. پس از تکمیل پروژه، آن را برای بازخورد در بخش گالری دانشجو به اشتراک بگذارید.
هدف پروژه: با استفاده از کتابخانه Tweepy در مورد موضوعات پرطرفدار مختلف مانند "واکسن کووید"، توییت‌های بلادرنگ را واکشی کنید و از تکنیک‌های طبقه‌بندی NLP و ML برای پیش‌بینی احساسات استفاده کنید. لطفاً مراحل زیر را برای تکمیل پروژه بیابید:
- یک حساب توسعه دهنده توییتر راه اندازی کنید
- متن را با استفاده از عبارات منظم NLTK و Python پاک و پردازش کنید
- کلمات توقف، ریشه و نشانه گذاری را اعمال کنید
- یک طبقه‌بندی متن برای پیش‌بینی احساسات توییت‌ها بسازید
یک نمودار میله ای برای نمایش توییت های مثبت در مقابل منفی ایجاد کنید.
درس ها Lessons
-
تبدیل متن به مقادیر عددی با استفاده از مدل کیسه کلمات Converting text to numeric values using bag-of-words model
-
ایجاد یک طبقه بندی متن با استفاده از TensorFlow Creating a text classifier using TensorFlow
-
درخواست برای یک حساب توسعه دهنده توییتر Applying for a Twitter developer account
-
ایجاد یک طبقه بندی متن با استفاده از PyTorch Creating a text classifier using PyTorch
-
هسته NLP و ساخت طبقه بندی کننده متن NLP core and Building a text classifier
-
مدل tf-idf برای تبدیل متن به مقادیر عددی tf-idf model for converting text to numeric values
-
تجزیه و تحلیل احساسات توییتر با استفاده از طبقه بندی متن Twitter sentiment analysis using the text classifier
-
معرفی Introduction
درس ها Lessons
-
تبدیل متن به مقادیر عددی با استفاده از مدل کیسه کلمات Converting text to numeric values using bag-of-words model
-
معرفی Introduction
-
درخواست برای یک حساب توسعه دهنده توییتر Applying for a Twitter developer account
-
ایجاد یک طبقه بندی متن با استفاده از PyTorch Creating a text classifier using PyTorch
-
تجزیه و تحلیل احساسات توییتر با استفاده از طبقه بندی متن Twitter sentiment analysis using the text classifier
-
مدل tf-idf برای تبدیل متن به مقادیر عددی tf-idf model for converting text to numeric values
-
هسته NLP و ساخت طبقه بندی کننده متن NLP core and Building a text classifier
-
ایجاد یک طبقه بندی متن با استفاده از TensorFlow Creating a text classifier using TensorFlow
Engineering Tech
نمایش نظرات