Методы автоматической обработки текстов (курс лекций, В.В.Китов)/2016
Материал из MachineLearning.
(→Описание) |
|||
Строка 25: | Строка 25: | ||
Speech and Language Processing. Dan Jurafsky and James H. Martin. 2-nd edition. 2009. | Speech and Language Processing. Dan Jurafsky and James H. Martin. 2-nd edition. 2009. | ||
- | + | = Питон и необходимые библиотеки = | |
+ | * [https://www.continuum.io/downloads Anaconda - дистрибутив питона со предустановленными научными библиотеками] | ||
+ | * [http://www.nltk.org/install.html библиотека NLTK по работе с текстами] | ||
+ | * [http://nbviewer.ipython.org/gist/rpmuller/5920182 A Crash Course in Python for Scientists] | ||
+ | * [https://docs.scipy.org/doc/numpy-dev/user/quickstart.html Numpy] | ||
+ | * [http://nbviewer.jupyter.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb Matplotlib] | ||
+ | * [http://www.scipy-lectures.org/ Scipy Lecture Notes] | ||
+ | * [http://pandas.pydata.org/pandas-docs/stable/10min.html Pandas] | ||
+ | * [http://scikit-learn.org/stable/tutorial/basic/tutorial.html Scikit-learn] | ||
= Библиотеки = | = Библиотеки = | ||
Строка 36: | Строка 44: | ||
+ | = Интересные ссылки = | ||
- | + | [http://www.ruscorpora.ru/ Национальный корпус русского языка - всевозможные коллекции русских текстов с разметкой] | |
[https://referats.yandex.ru/referats/ Генератор случайных текстов по заданной тематике] | [https://referats.yandex.ru/referats/ Генератор случайных текстов по заданной тематике] |
Версия 14:14, 10 марта 2016
Содержание |
Описание
В спецкурсе "Методы автоматической обработки текстов" рассматриваются практические задачи работы с текстами используя язык программирования Python, математические библиотеки и библиотеки по работе с текстами NLTK, а также другие средства, нацеленные на работу с русским языком. Целью спецкурса является познакомить слушателей с основными задачами по работе с текстами и дать навыки практической работы.
Курс длится в течение весеннего семестра 2016 года. От студентов предполагается знание языка Python с научными библиотеками numpy, scipy, matplotlib, pandas, а также знакомство с основами статистики и основами машинного обучения.
Оценивание
Оценка за курс выставляется на основе выполнения практического проекта, реализующего согласованную с преподавателем задачу автоматической обработки текстов. Варианты задачи:
- лингвистическое исследование различий диалекта языка для разного времени, разных авторов и разных источников информации
- построение классификатора текстов по темам, авторам, жанрам и т.д.
- эмоциональный анализ отзывов
- извлечение тем из коллекции текстов
- автоматическая суммаризация текстов
- извлечение объектов определенного типа (персоны, географические названия и др.) из текста и определение отношений между ними
и другие темы, которые использовали бы методы, изучаемые на занятиях, и имеющие элементы научной новизны. Работа выполняется командой из 1-3х человек.
Материалы
Natural Language Processing with Python. Stewen Bird et. al. 2-nd edition. 2016.
Speech and Language Processing. Dan Jurafsky and James H. Martin. 2-nd edition. 2009.
Питон и необходимые библиотеки
- Anaconda - дистрибутив питона со предустановленными научными библиотеками
- библиотека NLTK по работе с текстами
- A Crash Course in Python for Scientists
- Numpy
- Matplotlib
- Scipy Lecture Notes
- Pandas
- Scikit-learn
Библиотеки
Библиотека морфологической работы с русскими текстами PyMorphy
Морфологический анализатор от Яндекса
Каталог утилит для работы с русскими и английскими текстами
Интересные ссылки
Национальный корпус русского языка - всевозможные коллекции русских текстов с разметкой
Генератор случайных текстов по заданной тематике
Вопросно-ответная система WolframAlpha
Каталог старых газет на русском
Каталог старых газет от Google