Die Version 2020 von 100 Klopfen der Sprachverarbeitung, die als Sammlung von Problemen der Verarbeitung natürlicher Sprache bekannt ist, wurde veröffentlicht. In diesem Artikel werde ich 100 Beispiele für Antworten in Python vorstellen. Bitte zögern Sie nicht zu kommentieren, wenn Sie Fehler oder bessere Möglichkeiten bemerken. Alle Antwortnotizbücher sind auf [github] verfügbar (https://github.com/yamaru12345/nlp100).
Wir verwenden Google Colaboratory für Antworten. Ausführliche Informationen zum Einrichten und Verwenden von Google Colaboratory finden Sie in diesem Artikel. Es sind jedoch keine speziellen Einstellungen erforderlich, und Sie können sie sofort verwenden, wenn Sie über ein Google-Konto verfügen.
Überprüfen Sie einige fortgeschrittene Themen in Programmiersprachen, während Sie an Themen arbeiten, die sich mit Text und Zeichenfolgen befassen.
Kapitel 1 Fragen und Antworten
Erleben Sie nützliche UNIX-Tools für Forschung und Datenanalyse. Durch diese Neuimplementierungen erfahren Sie das Ökosystem vorhandener Tools und verbessern gleichzeitig Ihre Programmierkenntnisse.
Kapitel 2 Fragen und Antworten
Durch Anwenden regulärer Ausdrücke auf die Markup-Beschreibung auf der Wikipedia-Seite können verschiedene Informationen und Kenntnisse extrahiert werden.
[Kapitel 3 Fragen und Antwortbeispiele] (https://qiita.com/yamaru/items/255d0c5dcb2d1d4ccc14)
Wenden Sie einen morphologischen Analysator auf Natsume Sosekis Roman "Ich bin eine Katze" an und erhalten Sie Statistiken zu den Wörtern im Roman.
[Kapitel 4 Fragen und Antworten] (https://qiita.com/yamaru/items/e06014b146a18e97ca59)
Wenden Sie den Abhängigkeitsanalysator auf "Ich bin eine Katze" an und erleben Sie die Funktionsweise des Abhängigkeitsbaums und die syntaktische Analyse.
[Kapitel 5 Fragen und Antworten] (https://qiita.com/yamaru/items/48dcc527f433c22e0af9)
Erstellen Sie einen Dokumentklassifizierer durch maschinelles Lernen. Darüber hinaus lernen Sie, wie Sie Methoden des maschinellen Lernens bewerten.
Kapitel 6 Fragen und Antworten
Erfahren Sie, wie Sie mit Wortvektoren durch Wortähnlichkeitsberechnung und Wortanalogie umgehen. Darüber hinaus werden Sie Clustering und Vektorvisualisierung erleben.
Kapitel 7 Fragen und Antworten
Erfahren Sie, wie Sie das Deep-Learning-Framework verwenden und eine Kategorisierung basierend auf neuronalen Netzen implementieren.
Kapitel 8 Fragen und Antworten
Implementieren Sie das rekursive neuronale Netzwerk (RNN) und das Faltungs-neuronale Netzwerk (CNN) mithilfe des Deep-Learning-Frameworks.
Vorbereitung auf die Antwort
Erstellen Sie ein neuronales maschinelles Übersetzungsmodell mit vorhandenen Tools.
Vorbereitung auf die Antwort
Sprachverarbeitung 100 Klopfen sind so konzipiert, dass Sie nicht nur die Verarbeitung natürlicher Sprache selbst lernen können, sondern auch die grundlegende Datenverarbeitung und das allgemeine maschinelle Lernen. Sogar diejenigen, die maschinelles Lernen in Online-Kursen studieren, können sehr gute Ergebnisse erzielen. Probieren Sie es also bitte aus.
Recommended Posts