Introduction au traitement du langage naturel en Python

Ce chapitre présente quelques concepts de base de NLP, tels que la tokenisation des mots et les expressions régulières pour aider à analyser le texte. Vous apprendrez également à gérer les textes non anglophones et la tokenisation plus difficile que vous pourriez trouver.

Ce chapitre vous présente l'identification des sujets, que vous pouvez appliquer à tous les textes que vous rencontrez dans la nature. En utilisant les modèles de base de NLP, vous identifierez les thèmes des textes en fonction de la fréquence des termes. Vous expérimenterez et comparerez deux méthodes simples : bag-of-words et Tf-idf en utilisant NLTK, et une nouvelle bibliothèque Gensim.

Ce chapitre présente un sujet un peu plus avancé : la reconnaissance des entités nommées. Vous apprendrez à identifier le qui, le quoi et le où de vos textes à l'aide de modèles pré-entraînés sur des textes anglais et non-anglais. Vous apprendrez également à utiliser de nouvelles bibliothèques, polyglot et spaCy, pour compléter votre boîte à outils NLP.

Vous appliquerez les bases de ce que vous avez appris ainsi qu'un peu d'apprentissage automatique supervisé pour construire un détecteur de "fake news". Vous commencerez par apprendre les bases de l'apprentissage automatique supervisé, puis vous choisirez quelques caractéristiques importantes et testerez des idées pour identifier et classer les articles de fausses nouvelles.