Рубрики
Без рубрики

Отправляясь на общих задачах NLP с помощью TextBlob

Что такое NLP 🤖 NLP – это подмножество, если Ai, который позволяет компьютерам понять, интерпретировать, … с меткой Python, NLP, начинающие, CodeNewie.

NLP Это подмножество, если AI, которое позволяет компьютерам понимать, интерпретировать и манипулировать человеческими натуральными языками.

История NLP началась в начале 1950-х годов (хотя работа также можно найти из более ранних периодов), когда Алан Тонг опубликовал статью под названием «Компьютерная техника и интеллект», который предложил критерию интеллекта, который теперь известен как Turging Test.

NLP содержит много интересных библиотек, самым основным является NLTK, эта библиотека довольно универсальная Но это также довольно сложно использовать. В большинстве случаев это довольно медленно и не соответствует требованиям быстромирующегося производства. Другие известные библиотеки:

  • TextBlob.
  • Corenlp.
  • полиглот
  • специфики
  • Генсим

Из всех этих библиотек я упомянул, TextBlob является моим личным фаворитом. Он в основном предоставляет новичкам с легким интерфейсом, чтобы помочь им изучать наиболее основные задачи NLP, такие как анализ настроений, POS-тегов или экстракции фразы существительности.

Давайте посмотрим некоторые из них здесь.

Часто люди, как правило, имеют много опечаток. В этом случае библиотека TextBlob может прийти довольно удобно, давайте посмотрим на программу, чтобы увидеть, как она работает:

from textblob import TextBlob
incorrect_line = "Heello my naem is john and i lobe nathural langeguage procesing"
output = TextBlob(incorrect_line).correct()
print(output)

Выход: Привет, меня зовут Джон, и я люблю обработку естественного языка

В приведенной выше программе мы впервые импортировали библиотеку, а затем написал предложение, имеющее много неверных слов, после чего мы только что называем правильную () функцию библиотеки и, наконец, получите наш выход.

Всякий раз, когда мы хотим сделать некоторые манипулирование натуральным языком, используя компьютер, мы, как правило, приходится извлечь много вещей из предложения из того, какая одна важная вещь – добыча существительных и TextBlob идеально подходит для этой задачи:

from textblob import TextBlob
nouns = TextBlob("India is a country in the Asia. This is where Apoorv lives")
for noun in nouns.noun_phrases:
    print(noun)

Выход: Индия Азия Апоор

Это процесс вычислительной идентификации и классификации мнения, выраженных в тексте, особенно для того, чтобы определить, является ли отношение писателя к определенной теме, продукту и т. Д. Позитивно, отрицательно или нейтрально. Это используется всеми компаниями по всему миру, чтобы получить отзыв о своих продуктах

from textblob import TextBlob
from textblob.sentiments import NaiveBayesAnalyzer
text = TextBlob("The movie was excellent!", analyzer=NaiveBayesAnalyzer())
print(text.sentiment)
text = TextBlob("The movie story pinch me a lot.", analyzer=NaiveBayesAnalyzer())
print(text.sentiment)  

Выход: ,. 7318278242290406, 026817217577095936) ,.258107501384339, 0741892498764251609)

Всякий раз, когда мы хотим знать антоним слова, мы либо посмотрим на это слово в словаре (старая школа) или отдайте слово поиск в Интернете, но вы когда-нибудь задаетесь вопросом, как онлайн-поиск может ответить вам запросы, да Они также используют NLP для этого и TextBlob снова можете помочь нам сделать то же самое:

from textblob import Word
text_word = Word('danger')

if lemma.antonyms():
       antonyms.add(lemma.antonyms()[0].name())    

print(antonyms)  

Выход: {«Безопасность»}

Как мы можем найти антоним, мы также можем найти синоним, но позвольте мне рассказать вам еще один интересный аспект этой библиотеки, которая также может определить слово для вас, просто набрав одно дополнительное заявление

input_word='danger'
text_word = Word(input_word)

print(text_word.definitions)

synonyms = set()
for synset in text_word.synsets:
    for lemma in synset.lemmas():
        if(lemma.name()!=input_word):
            synonyms.add(lemma.name())  
print(synonyms)

Выход: [«Состояние подвержено вреда или травме», – предпринимаемое предприятие без возможных потерь или травмы »,« причиной боли или травмы или убытки »,« опасное место »] {« опасность », «Риск»}

Это безусловно, лучшая часть этой библиотеки, и я сделал свой собственный языковой переводчик и приложение для детектора с помощью библиотеки TextBlob

blob = TextBlob("My name is Apoorv Tyagi")

print(blob.detect_language())

print(blob.translate(to='hi'))
print(blob.translate(to='fr'))

К которому мы производим как: EN मेरा नाम अपूर्व त्यागी है Je M’appelle Апорв Тяги

Так что это сейчас, я надеюсь, что у вас теперь есть идея о том, насколько мощные библиотеки NLP есть. Надеюсь, вы узнали что-то новое сегодня! Счастливое кодирование.

Если вам нравится то, что вы читаете здесь, и хотите показать поддержку, подумайте о покупке мне кофе ☕

Оригинал: “https://dev.to/apoorvtyagi/having-a-go-at-common-nlp-tasks-using-textblob-4p0e”