کتاب Natural Language Processing Practical using Transformers with Python اثر Tony Snake انتشارات مؤلفین طلایی

کتاب Natural Language Processing Practical with Transformers و Python – راهنمایی جامع برای شناسایی نهادها

با مطالعه این کتاب، مهارت‌های لازم برای استفاده از Transformers HuggingFace و کتابخانه spaCy در پایتون برای شناسایی نهادهای نام‌گذاری شده را کسب خواهید کرد. شناسایی نهاد نام‌گذاری شده (NER) یکی از وظایف رایج در پردازش زبان طبیعی (NLP) است که به‌طور خودکار موجودیت‌های مشخصی را در متن شناسایی می‌کند. این موجودیت‌ها شامل نام افراد، سازمان‌ها، تاریخ‌ها، زمان‌ها و مکان‌ها هستند که اطلاعات مفیدی از متن‌های خام و بدون ساختار به‌دست می‌دهند.

تسلط بر شناسایی نهادهای نام‌گذاری شده با کمک کتاب Natural Language Processing Practical using Transformers

پس از اتمام این آموزش، شما توانایی شناسایی نهادهای نام‌گذاری شده را به کمک HuggingFace Transformers و SpaCy در زبان برنامه‌نویسی پایتون خواهید داشت. این کتاب بر اساس جدیدترین تحقیقات و تکنیک‌ها نوشته شده و برای استفاده در برنامه‌های واقعی طراحی شده است.

کتاب Natural Language Processing Practical using Transformers و ابزارهای مورد استفاده

در این کتاب، از دو مدل شناسایی نهاد نام‌گذاری شده در SpaCy استفاده خواهیم کرد: مدل معمولی en_core_web_sm و مدل ترانسفورماتوری en_core_web_trf. همچنین، برای تجزیه و تحلیل دقیق‌تر، از تجسم‌ساز NER خارق‌العاده SpaCy بهره‌برداری خواهیم کرد.

آغاز کار با کتاب Natural Language Processing Practical using Transformers

برای شروع، نیاز به نصب کتابخانه‌های لازم برای این آموزش پویا و تأثیرگذار داریم. این مراحل به شما کمک می‌کند تا به‌سرعت و به‌راحتی به دنیای پردازش زبان طبیعی ورود پیدا کنید و به شناسایی دقیق موجودیت‌ها در متون بپردازید.