深度理解机器学习4-自然语言处理的应用

自然语言处理的应用

·描述词性标注及其应用。·区分基于规则的和随机的词性标注器。·对文本数据进行词性标注、分块和加缝。·为信息提取执行命名实体识别。·开发和训练你自己的词性标注器和命名实体识别器。·使用NLTK和spaCy来执行词性标注、分块、加缝和命名实体识别。

首先简要回顾什么是自然语言处理，以及它可以提供什么服务。然后讨论自然语言处理的两个应用：词性标注和命名实体识别。之后解释这两种算法的功能、必要性和目的。此外，还有用来执行词性标注和命名实体识别的练习与活动，并构建和开发这些算法。

词性标注

词类是我们大多数人在学习英语的早期被教授的东西。它们是根据自身句法或语法功能分配给单词的类别。这些功能是不同单词之间存在的功能关系。

词性

英语有九个主要的词性：

·名词：事物或人示例：table、dog、piano、London、towel·代词：代替名词的词示例：I、you、he、she、it

·动词：动作词示例：to be、to have、to study、to learn、to play·形容词：描述名词的词示例：intelligent、small、silly、intriguing、blue

·限定词：限制名词的词示例：a few、many、some、three

·副词：描述动词、形容词或副词本身的词示例：quickly、shortly、very、really、drastically

·介词：将名词和其他词联系起来的词示例：to、on、in、under、beside

·连词：连接两个句子或单词的单词示例：and、but、yet

·感叹词：感叹词示例：ouch、Ow!Wow!！

词性标注器

词性标注是给单词指定标签的过程。这是通过一种称为词性标注器的算法来完成的。算法的目的就这么简单。大多数词性标注器都是有监督学习算法。有监督学习算法是机器学习算法，学习根据以前标记的数据执行任务。这些算法以数据行作为输入。该数据包含特征列（用于预测某些事物的数据），通常是一个标签列（需要预测的事物）。模型