NLP عملی با NLTK و Scikit-Learn [ویدئو]

سرفصل ها و درس ها

کار با داده های زبان طبیعی Working with Natural Language Data

• بررسی اجمالی دوره The Course Overview

• از Python، NLTK، spaCy و Scikit-learn برای ساخت مجموعه ابزار NLP خود استفاده کنید Use Python, NLTK, spaCy, and Scikit-learn to Build Your NLP Toolset

• خواندن یک فایل زبان طبیعی ساده در حافظه Reading a Simple Natural Language File into Memory

• متن را با بیان منظم به کلمات جداگانه تقسیم کنید Split the Text into Individual Words with Regular Expression

• تبدیل کلمات به لیست نشانه های حروف کوچک Converting Words into Lists of Lower Case Tokens

• حذف کلمات غیر معمول و توقف کلمات Removing Uncommon Words and Stop Words

طبقه بندی هرزنامه با مجموعه داده های ایمیل Spam Classification with an Email Dataset

• از مجموعه داده های منبع باز و مجموعه داده های Enron چیست استفاده کنید Use an Open Source Dataset, and What Is the Enron Dataset

• بارگیری مجموعه داده انرون در حافظه Loading the Enron Dataset into Memory

• Tokenization، Lemmatization و Stop Word Removal Tokenization, Lemmatization, and Stop Word Removal

• فرآیند استخراج ویژگی کیسه‌ای کلمات با Scikit-learn Bag-of-Words Feature Extraction Process with Scikit-learn

• طبقه بندی اولیه هرزنامه با NLTK's Naive Bayes Basic Spam Classification with NLTK's Naive Bayes

تجزیه و تحلیل احساسات با مجموعه داده بررسی فیلم Sentiment Analysis with a Movie Review Dataset

• درک منشاء و ویژگی های مجموعه داده نقد فیلم Understanding the Origin and Features of the Movie Review Dataset

• بارگیری و پاک کردن داده های بازبینی Loading and Cleaning the Review Data

• پیش پردازش مجموعه داده برای حذف کلمات و کاراکترهای ناخواسته Preprocessing the Dataset to Remove Unwanted Words and Characters

• ایجاد ویژگی های زبان طبیعی وزن TF-IDF Creating TF-IDF Weighted Natural Language Features

• تحلیل احساسات پایه با مدل رگرسیون لجستیک Basic Sentiment Analysis with Logistic Regression Model

افزایش عملکرد مدل های خود با N-gram Boosting the Performance of Your Models with N-grams

• شیرجه عمیق به توکن های خام از نقدهای فیلم Deep Dive into Raw Tokens from the Movie Reviews

• پاکسازی پیشرفته توکن ها با استفاده از توابع رشته پایتون و Regex Advanced Cleaning of Tokens Using Python String Functions and Regex

• ایجاد ویژگی های N-gram با استفاده از Scikit-learn Creating N-gram Features Using Scikit-learn

• آزمایش مدل های پیشرفته Scikit-Learn با استفاده از NLTK Wrapper Experimenting with Advanced Scikit-learn Models Using the NLTK Wrapper

• ساخت یک مدل رأی گیری با Scikit-learn Building a Voting Model with Scikit-learn

طبقه بندی اسناد با مجموعه داده های گروه خبری Document Classification with a Newsgroup Dataset

• درک منشاء و ویژگی های مجموعه داده 20 گروه خبری Understanding the Origin and Features of the 20 Newsgroups Dataset

• بارگیری داده های گروه خبری و استخراج ویژگی ها Loading the Newsgroup Data and Extracting Features

• ساخت خط لوله طبقه بندی اسناد Building a Document Classification Pipeline

• ایجاد گزارش عملکرد مدل در مجموعه تست Creating a Performance Report of the Model on the Test Set

• یافتن فراپارامترهای بهینه با استفاده از جستجوی گرید Finding Optimal Hyper-parameters Using Grid Search

مدل‌سازی موضوع پیشرفته با TF-IDF، LSA و SVM Advanced Topic Modelling with TF-IDF, LSA, and SVMs

• ساخت خط لوله پیش پردازش متن با NLTK Building a Text Preprocessing Pipeline with NLTK

• ایجاد ویژگی های مبتنی بر هش از زبان طبیعی Creating Hashing Based Features from Natural Language

• با LSA اسناد را به 20 موضوع طبقه بندی کنید Classify Documents into 20 Topics with LSA

• طبقه بندی اسناد با TF-IDF و SVM Document Classification with TF-IDF and SVMs