Ocena:
Książka stanowi ekscytujący i kompleksowy przewodnik po NLP, obejmujący szeroki zakres tematów z jasnymi wyjaśnieniami i praktycznymi zastosowaniami. Jest to szczególnie korzystne dla praktyków zainteresowanych zastosowaniami biznesowymi.
Zalety:⬤ Szeroki zakres tematów
⬤ przejrzyste wyjaśnienia
⬤ intuicyjne implementacje
⬤ praktyczne studia przypadków
⬤ konwersacyjny styl pisania
⬤ podejście oparte na danych
⬤ obejmuje zarówno początkujące, jak i zaawansowane koncepcje
⬤ zawiera ilustrowane przykłady kodu
⬤ wiąże koncepcje z przypadkami użycia w branży.
W recenzjach nie wymieniono żadnych konkretnych wad.
(na podstawie 2 opinii czytelników)
Practical Natural Language Processing with Python: With Case Studies from Industries Using Text Data at Scale
Rozdział 1: Dane tekstowe w programie Real Word.
Cel rozdziału: Rozdział ten koncentruje się na różnych typach danych tekstowych. Informacje, które oferują i wartość komercyjna, którą każdy z nich może potencjalnie zaoferować. Zrozumienie danych zapewnia czytelnikowi krajobraz, w którym się znajduje.
Liczba stron: 10.
Podtematy.
⬤ NLP.
⬤ Wyszukiwanie.
⬤ Recenzje.
⬤ Tweety/Posty na FB.
⬤ Dane czatu.
⬤ Dane SMS.
⬤ Dane dotyczące treści.
⬤ Dane wypowiedzi IVR.
Rozdział 2: NLP w obsłudze klienta.
Cel rozdziału: Studia przypadków problemów w obsłudze klienta i sposoby ich rozwiązania.
Liczba stron: 39.
Podtematy.
1. Krótki przegląd branży obsługi klienta.
2. Połączenia głosowe.
3. Czaty.
4. Dane biletów.
5. Dane e-mail.
6. Analiza głosu klienta.
7. Intent Mining.
8. Sterowniki NPS/CSAT.
9. Wgląd w czaty sprzedażowe.
10. Przyczyny braku zakupu.
11. Analiza komentarzy do ankiety.
12. Analiza transkrypcji głosowych.
Rozdział 3: NLP w recenzjach online.
Cel rozdziału: Studia przypadków problemów w recenzjach online i sposoby ich rozwiązania.
Liczba stron: 39.
Podtematy:
1. Analiza sentymentu.
2. Emotion Mining.
3. Podejście 1: Podejście oparte na leksykonie.
4. Podejście 2: Podejście oparte na regułach.
5. Podejście 3 - podejście oparte na uczeniu maszynowym (sieć neuronowa)
6. Ekstrakcja atrybutów.
Rozdział 4: NLP w BFSI.
Cel rozdziału: studia przypadków dla problemów w branży bankowej.
Podtematy:
1. NLP w oszustwach.
2. Metoda 1 (do wyodrębniania NER, popularne biblioteki)
3. Metoda 2 (do wyodrębniania NER, podejście oparte na regułach)
4. Metoda 3 (podejście oparte na klasyfikatorach wykorzystujące osadzanie słów i sieci neuronowe)
5. Inne przypadki użycia NLP w BFSI.
6. Generowanie języka naturalnego w bankach.
Liczba stron: 47.
Rozdział 5: NLP w wirtualnych asystentach.
Cel rozdziału: Studium przypadku w budowaniu najnowocześniejszych botów języka naturalnego.
Podtematy.
1. Przegląd.
2. Podejście 1: "Klasyczne" podejście wykorzystujące LSTM.
3. Podejście 2: Generowanie odpowiedzi.
4. BERT.
5. Dalsze niuanse w budowaniu botów konwersacyjnych:
Liczba stron: 43.