Planos para el análisis de textos con Python

Índice

A

• Titulares de las noticias ABC, Introducciónal conjuntode datos ABC-Introducciónal conjunto de datos ABC, Blueprint: Eliminar las palabras más comunes, Similitud sintáctica en el conjunto de datos ABC-Plano: Encontrar palabras relacionadas
• frecuencias de términos absolutas frente a relativas, Crear mapas térmicos de frecuencias
• métodos abstractivos de resumen de textos, Resumen de textos
• métricas de precisión, Paso 4: Evaluación del modelo
• acrónimos, resolución de, Blueprint: Realización de la Resolución de Alias-Blueprint: Resolución de Variaciones de Nombre
• Modelo preentrenado ALBERT, Paso 3: Evaluación del modelo
• Alias, resolución de, Resolución de Coreferencias, Plano: Realización de la Resolución de Alias-Plano: Resolución de Variaciones de Nombre
• Conjunto de datos de reseñas de clientes de Amazon, Introducing the Amazon Customer Reviews Dataset-Introducingthe Amazon Customer Reviews Dataset
• razonamiento poranalogía, razonamiento por analogía con incrustación de palabras, razonamiento por analogía sobre nuestros propios modelos
• anáfora, resolución de, Resolución de Coreferencia, Plano: Resolución de anáforas con NeuralCoref-Blueprint:Resolución de anáforas con NeuralCoref, Extracción de coocurrencias de un documento
• Modelo Anchor, Plano: Utilizar Ancla para explicar los resultados de la clasificación: trabajarcon palabras reales
• API (interfaces de programación de aplicaciones), Extracción de datos textuales con API (interfaces de programación de aplicaciones), Observaciones finales ...