Amostras de uso da biblioteca do Watson Natural Language Processing
Os blocos de notas de amostra demonstram como usar os diferentes bloqueios do Watson Natural Language Processing e como treinar seus próprios modelos
Projeto de amostra e blocos de notas
Para ajudá-lo a começar a usar a biblioteca do Watson Natural Language Processing, é possível fazer download de um projeto de amostra e blocos de notas a partir do hub de Recursos.
Você pode acessar o hub de recursos selecionando Hub de recursos no menu de navegação principal.
Se sua conta estiver na região de Dallas- IBM Cloud, você pode clicar no link. Caso contrário, procure o nome do modelo no Centro de Recursos. Essa amostra pode não estar disponível em todas as regiões ou plataformas de nuvem.
Blocos de notas de amostra
| Título do caderno | Descrição |
|---|---|
| Análise de reclamações financeiras | Este bloco de notas mostra como analisar reclamações financeiras de clientes usando o Watson Natural Language Processing. Ele usa dados do Consumer Complaint Database, que é publicado pelo Consumer Financial Protection Bureau (CFPB). O bloco de notas ensina a usar os modelos de classificação de tom e de classificação de emoção. |
| Análise de reclamação de automóvel | Este bloco de notas demonstra como analisar reclamações de automóvel usando o Watson Natural Language Processing. Ele usa registros de reclamações publicamente disponíveis de proprietários de carros armazenados pela National Highway and Transit Association (NHTSA) do Departamento de Transporte dos EUA. Este bloco de notas mostra como usar a análise de sintaxe para extrair os substantivos usados com mais frequência, que geralmente retratam os problemas discutidos pelo autores de revisão e combinam esses resultados com dados estruturados usando mineração de regras de associação. |
| Classificação de reclamação com o Watson Natural Language Processing | Este bloco de notas demonstra como treinar diferentes classificadores de texto usando o Watson Natural Language Processing. Os classificadores preveem o grupo de produtos a partir do texto de uma reclamação do cliente. Isso poderia ser usado, por exemplo, para encaminhar uma reclamação para o membro da equipe apropriado. Os dados usados neste bloco de notas são obtidos do Consumer Complaint Database, que é disponibilizado publicamente pela agência do governo norte-americano Consumer Financial Protection Bureau (CFPB). Você aprenderá como treinar um modelo CNN e um modelo VotingEnsemble customizado e avaliar a qualidade deles. |
| Extração de entidade em reclamações financeiras com o Watson Natural Language Processing | Este bloco de notas demonstra como extrair entidades nomeadas de reclamações financeiras de clientes usando o Watson Natural Language Processing. Ele usa dados do Consumer Complaint Database, que é publicado pelo Consumer Financial Protection Bureau (CFPB). No bloco de notas, você aprenderá como fazer a extração de termo baseada em dicionário para treinar um modelo de extração customizado com base em determinados dicionários e entidades de extração usando o BERT ou um modelo de transformador |
Projeto de amostra
Se não quiser fazer o download dos notebooks de amostra para o seu projeto individualmente, você poderá fazer o download de todo o projeto de amostra intitulado Text Analysis with Watson Natural Language Processing no hub de recursos.
O projeto de amostra contém os notebooks de amostra listados na seção anterior e um notebook adicional intitulado Analyzing hotel reviews using Watson Natural Language Processing. O notebook mostra como usar a análise de sintaxe para extrair os substantivos usados com mais frequência nas avaliações de hotéis, classificar o sentimento das avaliações e usar a análise de sentimento dos alvos. O arquivo de dados que é usado por este bloco de notas está incluído no projeto como um ativo de dados.
Para executar o notebook “Analisando avaliações de hotéis usando o Processamento de Linguagem Natural d Watson ”, é necessário criar um modelo de ambiente com capacidade suficiente para carregar os modelos otimizados para CPU destinados à análise de sentimento e à análise de sentimentos-alvo.