L'annotation du langage naturel pour l'apprentissage automatique : Un guide pour la construction de corpus pour les applications

Avis des lecteurs

Résumé:

Le livre est très apprécié pour son approche informative et simple, en particulier dans le contexte des projets de NLP et d'apprentissage automatique. Les lecteurs le trouvent éducatif, utile pour construire des applications, et une grande ressource avec des conseils pratiques sur l'annotation et la création de corpus.

Avantages:

Informatif et éducatif, facile à suivre, fournit des conseils clairs sur l'annotation pour le NLP, des ressources précieuses pour les projets NLP, convient aux débutants et aux développeurs expérimentés, et offre de nouvelles perspectives.

Inconvénients:

Certains lecteurs ne sont pas certains de son utilité pour leurs besoins spécifiques, et une critique laisse entendre que le contenu peut être effrayant en raison de sa documentation sur les questions écologiques.

(basé sur 8 avis de lecteurs)

Titre original :

Natural Language Annotation for Machine Learning: A Guide to Corpus-Building for Applications

Contenu du livre :

Créez votre propre corpus de formation en langue naturelle pour l'apprentissage automatique. Que vous travailliez avec l'anglais, le chinois ou toute autre langue naturelle, ce livre pratique vous guide à travers un cycle de développement d'annotations éprouvé - le processus d'ajout de métadonnées à votre corpus de formation pour aider les algorithmes de ML à travailler plus efficacement. Vous n'avez besoin d'aucune expérience en programmation ou en linguistique pour commencer.

À l'aide d'exemples détaillés à chaque étape, vous apprendrez comment le processus de développement des annotations MATTER vous aide à Modéliser, Annoter, Train, Test, Evaluer et Révaluer votre corpus d'entraînement. Vous obtiendrez également une description complète d'un projet d'annotation dans le monde réel.

⬤ Définir un objectif d'annotation clair avant de collecter votre ensemble de données (corpus)

⬤ Apprenez des outils pour analyser le contenu linguistique de votre corpus.

⬤ Construire un modèle et une spécification pour votre projet d'annotation.

⬤ Examiner les différents formats d'annotation, du XML de base au cadre d'annotation linguistique (Linguistic Annotation Framework).

⬤ Créer un corpus de référence qui peut être utilisé pour former et tester les algorithmes de ML.

⬤ Sélectionnez les algorithmes de ML qui traiteront vos données annotées.

⬤ Évaluer les résultats des tests et réviser votre tâche d'annotation.

⬤ Apprendre à utiliser des logiciels légers pour annoter les textes et évaluer les annotations.

Ce livre est le compagnon idéal de Natural Language Processing with Python d'O'Reilly.

Autres informations sur le livre :

• ISBN : 9781449306663
• Auteur : James Pustejovsky
• Éditeur : Oreilly Media
• Reliure : Broché
• Année de publication : 2012
• Nombre de pages : 350