آغاز به کار با پردازش زبان طبیعی ۲۰۲۲
Getting Started with Natural Language Processing 2022

در کتاب *آغاز به کار با پردازش زبان طبیعی*، شما با مباحث زیر آشنا خواهید شد:

مفاهیم و الگوریتم‌های بنیادین پردازش زبان طبیعی
کتابخانه‌های کاربردی پایتون برای پردازش زبان طبیعی
ساخت یک الگوریتم جستجو
استخراج اطلاعات از متن خام
پیش‌بینی احساسات در یک متن ورودی
شخصیت‌نگاری نویسنده
برچسب‌گذاری موضوعی
تشخیص موجودیت‌های نام‌دار

*آغاز به کار با پردازش زبان طبیعی* راهنمایی لذت‌بخش و قابل‌فهم است که به شما کمک می‌کند اولین الگوریتم‌های پردازش زبان طبیعی خود را مهندسی کنید. مدرس شما دکتر اکاترینا کوچمار، مدرس دانشگاه باث، است که به هزاران دانشجو کمک کرده تا اولین گام‌های خود را در پردازش زبان طبیعی بردارند. این کتاب سرشار از کدهای پایتون و پروژه‌های عملی است و هر فصل یک مثال عینی با تکنیک‌های کاربردی ارائه می‌دهد که می‌توانید بلافاصله آن‌ها را به کار بگیرید. اگر در پردازش زبان طبیعی مبتدی هستید و می‌خواهید برنامه‌های خود را با توابعی مانند استخراج اطلاعات، شخصیت‌نگاری کاربر و برچسب‌گذاری خودکار موضوعی ارتقا دهید، این کتاب برای شما مناسب است.

درباره‌ی فناوری

از بلندگوهای هوشمند گرفته تا ربات‌های گفتگوی خدمات مشتری، برنامه‌هایی که متن و گفتار را درک می‌کنند همه‌جا حضور دارند. پردازش زبان طبیعی (NLP) کلید این شکل قدرتمند از تعامل انسان و رایانه است. و نسل جدیدی از ابزارها و تکنیک‌ها شروع کار با پردازش زبان طبیعی را آسان‌تر از همیشه کرده‌اند!

درباره‌ی کتاب

*آغاز به کار با پردازش زبان طبیعی* به شما می‌آموزد که چگونه برنامه‌های کاربردی تعاملی را با ویژگی‌های مبتنی بر متن و گفتار ارتقا دهید. از طریق توضیحات در دسترس و مثال‌های عملی این کتاب، یاد خواهید گرفت که چگونه پردازش زبان طبیعی را در تحلیل احساسات، شخصیت‌نگاری کاربر و موارد دیگر به کار ببرید. با پیشرفت در کتاب، هر پروژه جدید بر اساس آموخته‌های قبلی شما ساخته می‌شود و مفاهیم و مهارت‌های جدیدی را معرفی می‌کند. نمودارهای کاربردی و نمونه کدهای پایتون بصری، شروع کار را آسان می‌کنند—حتی اگر هیچ سابقه‌ای در یادگیری ماشینی نداشته باشید!

آنچه در این کتاب می‌خوانید

مفاهیم و الگوریتم‌های بنیادین پردازش زبان طبیعی
استخراج اطلاعات از متن خام
کتابخانه‌های کاربردی پایتون
برچسب‌گذاری موضوعی
ساخت یک الگوریتم جستجو

درباره‌ی خواننده

شما به مهارت‌های اولیه پایتون نیاز دارید. هیچ تجربه‌ای در پردازش زبان طبیعی لازم نیست.

درباره‌ی نویسنده

اکاترینا کوچمار مدرس دانشکده‌ی علوم کامپیوتر دانشگاه باث است، جایی که او بخشی از گروه تحقیقاتی هوش مصنوعی است.

فهرست مطالب

1 مقدمه
2 اولین مثال پردازش زبان طبیعی شما
3 مقدمه‌ای بر جستجوی اطلاعات
4 استخراج اطلاعات
5 شخصیت‌نگاری نویسنده به عنوان یک وظیفه یادگیری ماشین
6 مهندسی ویژگی زبانی برای شخصیت‌نگاری نویسنده
7 اولین تحلیلگر احساسات شما با استفاده از واژه‌نامه‌های احساسات
8 تحلیل احساسات با یک رویکرد داده‌محور
9 تحلیل موضوعی
10 مدل‌سازی موضوعی
11 تشخیص موجودیت‌های نام‌دار

In Getting Started with Natural Language Processing you’ll learn about:

Fundamental concepts and algorithms of NLP
Useful Python libraries for NLP
Building a search algorithm
Extracting information from raw text
Predicting sentiment of an input text
Author profiling
Topic labeling
Named entity recognition

Getting Started with Natural Language Processing is an enjoyable and understandable guide that helps you engineer your first NLP algorithms. Your tutor is Dr. Ekaterina Kochmar, lecturer at the University of Bath, who has helped thousands of students take their first steps with NLP. Full of Python code and hands-on projects, each chapter provides a concrete example with practical techniques that you can put into practice right away. If you’re a beginner to NLP and want to upgrade your applications with functions and features like information extraction, user profiling, and automatic topic labeling, this is the book for you.

About the technology
From smart speakers to customer service chatbots, apps that understand text and speech are everywhere. Natural language processing, or NLP, is the key to this powerful form of human/computer interaction. And a new generation of tools and techniques make it easier than ever to get started with NLP!

About the book
Getting Started with Natural Language Processing teaches you how to upgrade user-facing applications with text and speech-based features. From the accessible explanations and hands-on examples in this book you’ll learn how to apply NLP to sentiment analysis, user profiling, and much more. As you go, each new project builds on what you’ve previously learned, introducing new concepts and skills. Handy diagrams and intuitive Python code samples make it easy to get started—even if you have no background in machine learning!

What’s inside

Fundamental concepts and algorithms of NLP
Extracting information from raw text
Useful Python libraries
Topic labeling
Building a search algorithm

About the reader
You’ll need basic Python skills. No experience with NLP required.

About the author
Ekaterina Kochmar is a lecturer at the Department of Computer Science of the University of Bath, where she is part of the AI research group.

Table of Contents
1 Introduction
2 Your first NLP example
3 Introduction to information search
4 Information extraction
5 Author profiling as a machine-learning task
6 Linguistic feature engineering for author profiling
7 Your first sentiment analyzer using sentiment lexicons
8 Sentiment analysis with a data-driven approach
9 Topic analysis
10 Topic modeling
11 Named-entity recognition