Introduzione al Machine Learning con Python

Capitolo 7. Lavorare con i dati di testo

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Nel Capitolo 4 abbiamo parlato di due tipi di caratteristiche che possono rappresentare le proprietà dei dati: le caratteristiche continue che descrivono una quantità e le caratteristiche categoriche che sono elementi di un elenco fisso. C'è un terzo tipo di caratteristica che si trova in molte applicazioni: il testo. Ad esempio, se vogliamo classificare un messaggio di posta elettronica come legittimo o come spam, il contenuto dell'email conterrà sicuramente informazioni importanti per questo compito di classificazione. O forse vogliamo conoscere l'opinione di un politico sul tema dell'immigrazione. In questo caso, i discorsi o i tweet di quell'individuo potrebbero fornire informazioni utili. Nel servizio clienti, spesso vogliamo scoprire se un messaggio è un reclamo o una richiesta di informazioni. Possiamo utilizzare l'oggetto e il contenuto di un messaggio per determinare automaticamente l'intento del cliente, il che ci permette di inviare il messaggio al reparto appropriato o addirittura di inviare una risposta completamente automatica.

I dati testuali sono solitamente rappresentati come stringhe, composte da caratteri. In ognuno degli esempi appena citati, la lunghezza dei dati testuali varierà. Questa caratteristica è chiaramente molto diversa dalle caratteristiche numeriche che abbiamo discusso ...