Методы автоматической обработки текстов (курс лекций, В.В.Китов)/2016
Материал из MachineLearning.
(→Материалы семинаров) |
|||
| Строка 17: | Строка 17: | ||
* извлечение объектов определенного типа (персоны, географические названия и др.) из текста и определение отношений между ними | * 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. | и другие темы, которые использовали бы методы, изучаемые на занятиях, и имеющие элементы научной новизны. | ||
| + | |||
| + | ==Задание== | ||
| + | Если вы не определились и не согласовали ваш проект по анализу текстов, вам предлагается поучастовать в 2х kaggle соревнованиях: | ||
| + | |||
| + | 1. [https://kaggle.com/join/predict_salary Определение зарплаты по описанию вакансии в интернете] | ||
| + | |||
| + | 2. [- соревнование N2 в процессе создания] | ||
| + | |||
| + | Даже если у вас есть собственный согласованный со мной проект, участие в хотя бы в одном из этих соревнований все равно рекомендуется - это интересно, это расширит ваш кругозор и даст дополнительные бонусы при определении итоговой оценки за спецкурс. | ||
= Туториалы = | = Туториалы = | ||
| Строка 23: | Строка 32: | ||
* [https://docs.scipy.org/doc/numpy-dev/user/quickstart.html Numpy] | * [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://nbviewer.jupyter.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb Matplotlib] | ||
| - | |||
* [http://pandas.pydata.org/pandas-docs/stable/10min.html Pandas] | * [http://pandas.pydata.org/pandas-docs/stable/10min.html Pandas] | ||
* [http://scikit-learn.org/stable/tutorial/basic/tutorial.html Scikit-learn] | * [http://scikit-learn.org/stable/tutorial/basic/tutorial.html Scikit-learn] | ||
| + | * [http://www.scipy-lectures.org/ Scipy Lecture Notes] | ||
= Материалы семинаров = | = Материалы семинаров = | ||
Версия 18:10, 13 апреля 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.
Задание
Если вы не определились и не согласовали ваш проект по анализу текстов, вам предлагается поучастовать в 2х kaggle соревнованиях:
1. Определение зарплаты по описанию вакансии в интернете
2. [- соревнование N2 в процессе создания]
Даже если у вас есть собственный согласованный со мной проект, участие в хотя бы в одном из этих соревнований все равно рекомендуется - это интересно, это расширит ваш кругозор и даст дополнительные бонусы при определении итоговой оценки за спецкурс.
Туториалы
- Короткие базовые демонстрации по работе с python, jupiter notebook, numpy, scikit-learn и т.д.
- A Crash Course in Python for Scientists
- Numpy
- Matplotlib
- Pandas
- Scikit-learn
- Scipy Lecture Notes
Материалы семинаров
ipynb скрипты расположены здесь. Поскольку большинство примеров бралось из Natural Language Processing with Python. и scikit-learn documentation, то рекомендуется обращаться к этим источникам за деталями.
Материалы
WordNet, stemming, lemmatization, tips and tricks
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 с предустановленными научными библиотеками
- библиотека NLTK по работе с текстами
- A Crash Course in Python for Scientists
- Numpy
- Matplotlib
- Scipy Lecture Notes
- Pandas
- Scikit-learn
Дополнительные библиотеки
- Морфологический анализатор от Яндекса
- Библиотека морфологической работы с русскими текстами PyMorphy
- 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
