
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
مقدمهای بر پردازش زبان طبیعی با پایتون و با استفاده از spaCy، یکی از کتابخانههای پیشرو پایتون در این حوزه. این کتاب به شما نشان میدهد چطور سریع و ساده برنامههای پردازش زبان طبیعی مثل چتبات، اسکریپتهای خلاصهسازی متن و ابزارهای پردازش سفارش بسازید. یاد میگیرید چطور با کمک کتابخانه spaCy معنی را بهصورت هوشمند از متن بیرون بکشید؛ روابط بین واژههای یک جمله را مشخص کنید (تجزیه وابستگی نحوی)؛ اسمها، فعلها و سایر اجزای کلام را تشخیص دهید (برچسبگذاری اجزای کلام)؛ و اسمهای خاص را در دستههایی مثل افراد، سازمانها و مکانها قرار دهید (تشخیص موجودیتهای نامدار). حتی یاد میگیرید چطور جملات خبری را به سؤال تبدیل کنید تا گفتگو ادامه پیدا کند. همچنین یاد میگیرید چطور:
• با بردارهای واژهای کار کنید تا واژههایی با معنی مشابه را از راه ریاضی پیدا کنید (فصل ۵)
• با ابزار بصریسازی داخلی spaCy به نام displaCy الگوهای داخل دادهها را شناسایی کنید (فصل ۷)
• بهطور خودکار کلمات کلیدی را از ورودی کاربر استخراج کنید و در یک پایگاه داده رابطهای ذخیره کنید (فصل ۹)
• یک اپلیکیشن چتبات را مستقر کنید تا از طریق اینترنت با کاربران گفتگو کند (فصل ۱۱)
بخشهای «این را امتحان کنید» در هر فصل شما را تشویق میکنند آنچه یاد گرفتهاید را تمرین کنید؛ مثلاً اسکریپتهای نمونه کتاب را گسترش دهید تا ورودیهای متنوعتری را پوشش دهند، مدیریت خطا اضافه کنید و برنامههایی با کیفیت حرفهای بسازید. در پایان کتاب، خودتان میتوانید برنامههای پردازش زبان طبیعی را با پایتون و spaCy بسازید.
An introduction to natural language processing with Python using spaCy, a leading Python natural language processing library. Natural Language Processing with Python and spaCy will show you how to create NLP applications like chatbots, text-condensing scripts, and order-processing tools quickly and easily. You'll learn how to leverage the spaCy library to extract meaning from text intelligently; how to determine the relationships between words in a sentence (syntactic dependency parsing); identify nouns, verbs, and other parts of speech (part-of-speech tagging); and sort proper nouns into categories like people, organizations, and locations (named entity recognizing). You'll even learn how to transform statements into questions to keep a conversation going. You'll also learn how to: • Work with word vectors to mathematically find words with similar meanings (Chapter 5) • Identify patterns within data using spaCy's built-in displaCy visualizer (Chapter 7) • Automatically extract keywords from user input and store them in a relational database (Chapter 9) • Deploy a chatbot app to interact with users over the internet (Chapter 11) "Try This" sections in each chapter encourage you to practice what you've learned by expanding the book's example scripts to handle a wider range of inputs, add error handling, and build professional-quality applications. By the end of the book, you'll be creating your own NLP applications with Python and spaCy.