Skip to Content
Planos para el análisis de textos con Python
book

Planos para el análisis de textos con Python

by Jens Albrecht, Sidharth Ramachandran, Christian Winkler
September 2024
Intermediate to advanced
424 pages
13h 3m
Spanish
O'Reilly Media, Inc.
Content preview from Planos para el análisis de textos con Python

Capítulo 10. Exploración de relaciones semánticas con incrustaciones de palabras

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

El concepto de similitud es fundamental en todas las tareas de aprendizaje automático. En el Capítulo 5, explicamos cómo calcular la similitud textual basándonos en el modelo de bolsa de palabras . Dados dos vectores TF-IDF de documentos, su similitud coseno puede calcularse fácilmente, y podemos utilizar esta información para buscar, agrupar o clasificar documentos similares.

Sin embargo, el concepto de similitud en el modelo de bolsa de palabras se basa completamente en el número de palabras comunes en dos documentos. Si los documentos no comparten ningún token, el producto punto de los vectores de los documentos y, por tanto, la similitud coseno será cero. Considera los dos comentarios siguientes sobre una nueva película, que se pueden encontrar en una plataforma social:

"Qué película tan maravillosa".

"La película es genial".

Obviamente, los comentarios de tienen un significado similar aunque utilicen palabras completamente distintas. En este capítulo, introduciremos las incrustaciones de palabras como medio para capturar la semántica de las palabras y utilizarlas para explorar las similitudes semánticas dentro de un corpus.

Lo que aprenderás y lo que construiremos

Para nuestro caso de uso suponemos que somos investigadores de mercado y queremos utilizar textos sobre coches ...

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.

Read now

Unlock full access

More than 5,000 organizations count on O’Reilly

AirBnbBlueOriginElectronic ArtsHomeDepotNasdaqRakutenTata Consultancy Services

QuotationMarkO’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.
Julian F.
Head of Cybersecurity
QuotationMarkI wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.
Addison B.
Field Engineer
QuotationMarkI’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.
Amir M.
Data Platform Tech Lead
QuotationMarkI'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
Mark W.
Embedded Software Engineer

You might also like

Análisis de Texto Aplicado con Python

Análisis de Texto Aplicado con Python

Benjamin Bengfort, Rebecca Bilbro, Tony Ojeda
Patrones de Arquitectura con Python

Patrones de Arquitectura con Python

Harry Percival, Bob Gregory

Publisher Resources

ISBN: 9781098197292