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，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、自動更正、聊天機(jī)器人、個(gè)人助理等等。

[[399059]]

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