Introducción El procesamiento del lenguaje natural es una rama de la informática que se centra en la comprensión y el procesamiento del lenguaje humano por parte de las máquinas. A través del uso de técnicas y algoritmos especializados, el procesamiento del lenguaje natural nos permite interactuar con las máquinas a través del lenguaje natural, como lo hacemos con otras personas. El procesamiento del lenguaje natural tiene una amplia gama de aplicaciones, desde el análisis de sentimiento en redes sociales hasta la traducción automática y el procesamiento de consultas de búsqueda. Esta tecnología ha revolucionado la forma en que nos comunicamos y accedemos a la información, y su importancia solo ha ido en aumento con el tiempo. A lo largo de los años, el procesamiento del lenguaje natural ha evolucionado gracias a avances en técnicas y algoritmos. En este artículo, exploraremos las técnicas y algoritmos clave que se utilizan en el procesamiento del lenguaje natural y cómo juegan un pape...
Este mes de agosto no podía faltar nuestra recomendación literaria. Hemos elegido el siguiente libro sobre Procesamiento del Lenguaje Natural:
"Natural Language Processing with Python and Spacy"
Es un libro muy ameno sobre Spacy y fácil de leer junto a un ordenador para entender las explicaciones mientras se ejecuta el código que proveen. Aunque el libro se escribió para la versión 2 de Spacy es perfectamente aplicable a la 3 a excepción de la parte de entrenado de modelos.
Así que si lo que quieres es usar la herramienta y entender cómo funciona Spacy este libro es perfecto para ti. Aprenderás los entresijos de la librería y cómo usar las características lingüísticas para extraer palabras clave, reconocer intenciones e incluso construir un pequeño chatbot con todo lo aprendido en el libro.
Os dejamos la tabla de contenidos para que os hagáis un idea mejor:
INTRODUCTION
- Using Python for Natural Language Processing
- The spaCy Library
- Who Should Read This Book?
- What’s in the Book?
- How Can Computers Understand Language?
- What Is a Statistical Model in NLP?
- What Is Still on You
- Summary
- Setting Up Your Working Environment
- Installing Statistical Models for spaCy
- Basic NLP Operations with spaCy
- Summary
- spaCy’s Container Objects
- Customizing the Text-Processing Pipeline
- Using spaCy’s C-Level Data Structures
- Summary
- Extracting and Generating Text with Part-of-Speech Tags
- Using Syntactic Dependency Labels in Text Processing
- Summary
- Understanding Word Vectors
- Installing Word Vectors
- Comparing spaCy Objects
- Summary
- Word Sequence Patterns
- Extracting Keywords from Syntactic Dependency Trees
- Using Context to Improve the Ticket-Booking Chatbot
- Making a Smarter Chatbot by Finding Proper Modifiers
- Summary
- Getting Started with spaCy’s Built-In Visualizers
- Visualizing from Within spaCy
- Customizing Your Visualizations with the Options Argument
- Exporting a Visualization to a File
- Using displaCy to Manually Render Data
- Summary
- Extracting the Transitive Verb and Direct Object for Intent Recognition
- Finding the Meanings of Words Using Synonyms and Semantic Similarity
- Extracting Intent from a Sequence of Sentences
- Summary
- Converting Unstructured Data into Structured Data
- Building a Database-Powered Chatbot
- Summary
- Training a Model’s Pipeline Component
- Training the Entity Recognizer
- Creating a New Dependency Parser
- Summary
- How Implementing and Deploying a Chatbot Works
- Using Telegram as a Platform for Your Bot
- Summary
- How It Works
- Making Your Bot Find Answers to Questions from Wikipedia
- Reacting to Images Sent in a Chat
- Putting All the Pieces Together in a Telegram Bot
- Summary
- Dependency Grammars vs. Phrase Structure Grammars
- Common Grammar Concepts
Nos encanta saber vuestras opiniones así que si te animas a leerlo o ya lo has leído ¡déjanos tus comentarios!
Comentarios
Publicar un comentario