nlp in practice

NLP-in-Practice

これらのNLP、テキストマイニング、機械学習コードサンプルとツールを使用して、実際のテキストデータの問題を解決します。

ノートブック /ソース

最初の列のリンクは、ソースコードを使用してサブフォルダー/リポジトリに移動します。

タスク	関連記事	ソースタイプ	説明
大規模なフレーズ抽出	phrase2vecの記事	Pythonスクリプト	Pysparkを使用して、大量のデータのフレーズを抽出します。これらのフレーズを使用してテキストに注釈を付けたり、他の下流タスクにフレーズを使用したりします。
JupyterノートブックおよびPython Webアプリの単語クラウド	word_cloudの記事	Pythonスクリプト +ノートブック	ワードカウントまたはTFIDFを使用して、トップキーワードを視覚化します
gensim word2vec（データセット付き）	word2vec記事	ノート	希望の結果を得るためにword2vecで正しく作業する方法
Sparkでファイルと単語数を読み取ります	スパーク記事	Pythonスクリプト	単語数の例でpysparkを使用して、さまざまな形式のファイルを読み取る方法
TF-IDFとSklearnを使用してキーワードを抽出する（データセット付き）	TFIDF記事	ノート	TF-IDFとPythonのSklearnを使用してテキストから興味深いキーワードを抽出する方法
テキストの前処理	テキストの前処理記事	ノート	テキストの前処理を実行する方法に関するいくつかのコードスニペット。ステム、ノイズの除去、lemmatization、および停止単語の除去が含まれます。
tfidftransformer vs. tfidfvectorizer	tfidftransformerおよびtfidfvectorizerの使用記事	ノート	tfidftransformerとtfidfvectorizerを正しく使用する方法と、2つの違いといつ使用するか。
Gensimを使用した事前に訓練された単語埋め込みにアクセスします	事前に訓練されたWord Embeddingsの記事	ノート	Gensimを使用して事前に訓練されたグローブとWord2Vecエンミングにアクセスする方法と、テキストの類似性のためにこれらの埋め込みを活用する方法の例
Pythonでのテキスト分類（ニュースデータセット付き）	ロジスティック回帰記事によるテキスト分類	ノート	テキスト分類を始めましょう。ロジスティック回帰を使用して、ニュース分類のためにテキスト分類器を構築および評価する方法を学びます。
CountVectorizerの使用例	CountVectorizerを正しく使用する方法は？詳細な外観の記事	ノート	CountVectorizerの使用を最大化する方法を学び、単語のカウントを計算するだけでなく、テキストデータを適切に前処理し、テキストデータセットから追加機能を抽出します。
HashingVectorizerの例	HashingVectorizer Vs. CountVectorizerの記事	ノート	HashingVectorizerとCountVectionizerの違いと、いつ使用するかを学びます。
Cbow vs. Skipgram	word2vec：Cbow、Skipgram、Skipgramsiの記事の比較	ノート	3つの埋め込みアーキテクチャの簡単な比較。

メモ

• その他の記事については、このリストをご覧ください。
• メールで記事を受け取りたい場合は、メーリングリストに購読してください。

接触

このリポジトリは、Kavita Ganesanによって維持されています。 LinkedInまたはTwitterで私とつながります。