建站
咨詢
售后
建站咨詢
新聞中心
自然語言處理是比較廣泛的研究領(lǐng)域之一。許多大公司在這個(gè)領(lǐng)域投資很大。NLP為公司提供了機(jī)會(huì)，讓他們能夠根據(jù)消費(fèi)者的情緒和文本很好地了解他們。NLP的一些最佳用例是檢測假電子郵件、對假新聞進(jìn)行分類、情感分析、預(yù)測你的下一個(gè)單詞、自動(dòng)更正、聊天機(jī)器人、個(gè)人助理等等。
為盤錦等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計(jì)制作服務(wù)，及盤錦網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為成都網(wǎng)站建設(shè)、做網(wǎng)站、盤錦網(wǎng)站設(shè)計(jì)，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會(huì)得到認(rèn)可，從而選擇與我們長期合作。這樣，我們也可以走得更遠(yuǎn)！
解決任何NLP任務(wù)前要知道的7個(gè)術(shù)語
標(biāo)記：它是將整個(gè)文本分割成小標(biāo)記的過程。占卜是根據(jù)句子和單詞兩個(gè)基礎(chǔ)來完成的。
- text = "Hello there, how are you doing today? The weather is great today. python is awsome"
- ##sentece tokenize (Separated by sentence)
- ['Hello there, how are you doing today?', 'The weather is great today.', 'python is awsome']
- ##word tokenizer (Separated by words)
- ['Hello', 'there', ',', 'how', 'are', 'you', 'doing', 'today', '?', 'The', 'weather', 'is', 'great', 'today', '.','python', 'is', 'awsome']
停止詞：一般來說，這些詞不會(huì)給句子增加太多的意義。在NLP中，我們刪除了所有的停止詞，因?yàn)樗鼈儗Ψ治鰯?shù)據(jù)不重要。英語中總共有179個(gè)停止詞。
詞干提?。核峭ㄟ^去掉后綴和前綴將一個(gè)單詞還原為詞根的過程。
詞形還原：它的工作原理與詞干法相同，但關(guān)鍵的區(qū)別是它返回一個(gè)有意義的單詞。主要是開發(fā)聊天機(jī)器人、問答機(jī)器人、文本預(yù)測等。
WordNet：它是英語語言名詞、動(dòng)詞、形容詞和副詞的詞匯數(shù)據(jù)庫或詞典，這些詞被分組為專門為自然語言處理設(shè)計(jì)的集合。
詞性標(biāo)注：它是將一個(gè)句子轉(zhuǎn)換為一個(gè)元組列表的過程。每個(gè)元組都有一個(gè)形式(單詞、標(biāo)記)。這里的標(biāo)簽表示該單詞是名詞、形容詞還是動(dòng)詞等等。
- text = 'An sincerity so extremity he additions.'
- --------------------------------
- ('An', 'DT'), ('sincerity', 'NN'), ('so', 'RB'), ('extremity', 'NN'), ('he', 'PRP'), ('additions', 'VBZ')]
詞袋：它是一個(gè)將文本轉(zhuǎn)換成某種數(shù)字表示的過程。比如獨(dú)熱編碼等。
- sent1 = he is a good boy
- sent2 = she is a good girl
- |
- |
- girl good boy
- sent1 0 1 1
- sent2 1 0 1
現(xiàn)在，讓我們回到我們的主題，看看可以幫助您輕松預(yù)處理數(shù)據(jù)的庫。
NLTK
毫無疑問，它是自然語言處理最好和使用最多的庫之一。NLTK是自然語言工具包的縮寫。由Steven Bird 和Edward Loper開發(fā)的。它帶有許多內(nèi)置的模塊，用于標(biāo)記化、詞元化、詞干化、解析、分塊和詞性標(biāo)記。它提供超過50個(gè)語料庫和詞匯資源。
安裝:pip install nltk
讓我們使用NLTK對給定的文本執(zhí)行預(yù)處理
- import nltk
- #nltk.download('punkt')
- from nltk.tokenize import word_tokenize
- from nltk.corpus import stopwords
- from nltk.stem import PorterStemmer
- import re
- ps = PorterStemmer()
- text = 'Hello there,how are you doing today? I am Learning Python.'
- text = re.sub("[^a-zA-Z0-9]"," ",text)
- text = word_tokenize(text)
- text_with_no_stopwords = [ps.stem(word) for word in text if word not in stopwords.words('english')]
- text = " ".join(text_with_no_stopwords)
- text
- -----------------------------------------------OUTPUT------------------------------------
- 'hello today I learn python'
TextBlob
Textblob是一個(gè)簡化的文本處理庫。它提供了一個(gè)簡單的API，用于執(zhí)行常見的NLP任務(wù)，如詞性標(biāo)記、情感分析、分類、翻譯等。
安裝:pip install textblob
spacy
這是python中最好用的自然語言處理庫之一，它是用cpython編寫的。它提供了一些預(yù)訓(xùn)練的統(tǒng)計(jì)模型，并支持多達(dá)49種以上的語言進(jìn)行標(biāo)記化。它以卷積神經(jīng)網(wǎng)絡(luò)為特征，用于標(biāo)記、解析和命名實(shí)體識別。
安裝:pip install spacy
- import spacy
- nlp = spacy.load('en_core_web_sm')
- text = "I am Learning Python Nowdays"
- text2 = nlp(text)
- for token in text2:
- print(token,token.idx)
- ------------------------------OUTPUT-----------------------
- I 0
- am 2
- Learning 5
- Python 14
- Nowdays 21
Gensim
它是一個(gè)Python庫，專門用于識別兩個(gè)文檔之間的語義相似性。它使用向量空間建模和主題建模工具包來尋找文檔之間的相似之處。它是設(shè)計(jì)用來處理大型文本語料庫的算法。
安裝:pip install gensim
CoreNLP
Stanford CoreNLP的目標(biāo)是簡化對一段文本應(yīng)用不同語言工具的過程。這個(gè)庫運(yùn)行速度非常快，并且在開發(fā)中工作得很好。
安裝:pip install stanford-corenlp
文章標(biāo)題：5個(gè)Python庫可以幫你輕松的進(jìn)行自然語言預(yù)處理
URL分享：http://www.dlmjj.cn/article/cojcihi.html
