ML-Kapitel Verarbeitung natürlicher Sprache

Bei der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) werden Modelle des maschinellen Lernens verwendet, um mit Text und Sprache zu arbeiten. Das Ziel von NLP ist es, Maschinen beizubringen, gesprochene und geschriebene Wörter zu verstehen. Wenn Sie beispielsweise etwas in Ihr iPhone oder Android-Gerät diktieren und es Ihre Sprache in Text umwandelt, ist das ein NLP-Algorithmus am Werk.

Sie können NLP auch verwenden, um eine Textrezension zu analysieren und vorherzusagen, ob sie positiv oder negativ ist. NLP kann Artikel kategorisieren oder das Genre eines Buches bestimmen. Es kann sogar zur Erstellung maschineller Übersetzer oder Spracherkennungssysteme verwendet werden. In diesen Fällen helfen Klassifizierungsalgorithmen bei der Identifizierung der Sprache. Die meisten NLP-Algorithmen sind Klassifizierungsmodelle, darunter logistische Regression, Naive Bayes, CART (ein Entscheidungsbaummodell), Maximum Entropy (auch im Zusammenhang mit Entscheidungsbäumen) und Hidden-Markov-Modelle (basierend auf Markov-Prozessen).

Kleiner Einblick vor dem Start: Auf der linken Seite des Venn-Diagramms steht Grün für NLP. Auf der rechten Seite steht Blau für DL. Im Schnittpunkt haben wir DNLP. Es gibt einen Unterabschnitt von DNLP namens Seq2Seq. Sequence-to-Sequence ist derzeit das modernste und leistungsfähigste Modell für NLP. Allerdings werden wir in diesem Blog nicht auf seq2seq eingehen. Wir werden uns im Wesentlichen mit der Bag-of-Words-Klassifizierung befassen.

In diesem Teil werden Sie Folgendes verstehen und lernen:

• Text bereinigen, um ihn für Modelle für maschinelles Lernen vorzubereiten.
• Erstellen Sie ein Bag of Words-Modell.
• Wenden Sie Modelle des maschinellen Lernens auf dieses Bag of Words-Modell an. Hier erfahren Sie, worauf wir uns konzentrieren werden. Hinweis: Wir werden nicht auf Seq2Seq, Chatbots oder Deep NLP eingehen. Die Materialien, die ich verwendet habe, stammen aus NLP mit DL, daher schließen wir den DL-Teil aus.

Um den vollständigen Blog zu lesen: ML Kapitel 7: Verarbeitung natürlicher Sprache

Das obige ist der detaillierte Inhalt vonML-Kapitel Verarbeitung natürlicher Sprache. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!