Watson Esempi di utilizzo della libreria per l'elaborazione del linguaggio naturale

I quaderni di esempio illustrano come utilizzare i diversi blocchi di elaborazione del linguaggio naturale ( Watson ) e come addestrare i propri modelli.

Progetto di esempio e quaderni

Per aiutarti a muovere i primi passi con la libreria di elaborazione del linguaggio naturale ( Watson ), puoi scaricare un progetto di esempio e alcuni notebook dal repository di esempi di Data Science all'indirizzo GitHub, nella sezione "Notebook e progetti ".

Si noti che è necessario scaricare il progetto di esempio e i notebook per l'ambiente di esecuzione in cui si desidera eseguire i notebook.

Notebook di esempio

  • Analisi dei reclami finanziari

    Questo manuale illustra come analizzare i reclami finanziari dei clienti utilizzando l'elaborazione del linguaggio naturale di Watson. Si avvale dei dati provenienti dalla banca dati dei reclami dei consumatori pubblicata dal Consumer Financial Protection Bureau (CFPB). Il manuale ti insegna a utilizzare i modelli di classificazione dei toni e delle emozioni.

  • Analisi dei reclami relativi alle automobili

    Questo notebook illustra come analizzare i reclami relativi alle automobili utilizzando l'elaborazione del linguaggio naturale di Watson. Si avvale dei dati relativi ai reclami presentati dai proprietari di automobili, accessibili al pubblico e conservati dalla National Highway Traffic Safety Administration (NHTSA) del Dipartimento dei Trasporti degli Stati Uniti. Questo notebook illustra come utilizzare l'analisi sintattica per estrarre i nomi più ricorrenti, che in genere descrivono i problemi trattati dagli autori delle recensioni, e come combinare questi risultati con dati strutturati tramite l'estrazione di regole di associazione.

  • Classificazione dei reclami tramite l'elaborazione del linguaggio naturale ( Watson )

    Questo notebook illustra come addestrare diversi classificatori di testo utilizzando l'elaborazione del linguaggio naturale ( Watson ). I classificatori prevedono la categoria del prodotto sulla base del testo di un reclamo del cliente. Questo potrebbe essere utilizzato, ad esempio, per inoltrare un reclamo al membro del personale competente. I dati utilizzati in questo quaderno provengono dalla banca dati dei reclami dei consumatori pubblicata dal Consumer Financial Protection Bureau (CFPB), un'agenzia governativa dell' U.S, e sono accessibili al pubblico. Imparerai come addestrare un modello CNN personalizzato e un modello di rete neurale a memoria ( VotingEnsemble ) e come valutarne la qualità.

  • Estrazione di entità dai reclami finanziari tramite l'elaborazione del linguaggio naturale ( Watson )

    Questo notebook illustra come estrarre entità denominate dai reclami dei clienti nel settore finanziario utilizzando l'elaborazione del linguaggio naturale ( Watson ). Si avvale dei dati provenienti dalla banca dati dei reclami dei consumatori pubblicata dal Consumer Financial Protection Bureau (CFPB). In questo notebook imparerai come eseguire l'estrazione di termini basata su dizionari per addestrare un modello di estrazione personalizzato sulla base di dizionari specificati ed estrarre entità utilizzando il modello BERT.

  • Implementare un modello di analisi del sentiment preaddestrato

    Questo notebook illustra come creare un'implementazione online in grado di identificare il sentiment, basata sui blocchi di elaborazione del linguaggio naturale (NLP) di Watson.

Progetto di esempio

Se non desideri scaricare singolarmente i quaderni di esempio nel tuo progetto, puoi scaricare l'intero progetto di esempio: NLP-Example-Project-RT24-1.zip

Il progetto di esempio contiene i quaderni di esempio elencati nella sezione precedente, tra cui:

  • Analisi delle recensioni degli hotel tramite l'elaborazione del linguaggio naturale ( Watson )

    Questo notebook illustra come utilizzare l'analisi sintattica per estrarre i nomi più ricorrenti dalle recensioni degli hotel, classificare il sentiment delle recensioni e applicare l'analisi del sentiment orientata agli aspetti agli aspetti estratti più frequentemente. Il file di dati utilizzato da questo notebook è incluso nel progetto come risorsa dati.

Il progetto di esempio contiene modelli di ambiente personalizzati per i notebook di esempio. Se desideri creare i tuoi modelli, assicurati che dispongano di almeno 4 GB di memoria. L'elaborazione dei reclami con il notebook di elaborazione del linguaggio naturale ( Watson ) richiede un modello personalizzato con almeno 8 GB di memoria.