tensorflow ml nlp

Buku pemrosesan bahasa alami yang dimulai dengan TensorFlow 2 dan pembelajaran mesin telah dirilis. Untuk buku kedua, silakan merujuk ke tautan di bawah ini.

Tautan buku kedua: https://github.com/NLP-kr/tensorflow-ml-nlp-tf2

BUKU NLP

Pemrosesan bahasa alami yang dimulai dengan TensorFlow dan pembelajaran mesin (dari regresi logistik hingga chatbot transformator)

Perkenalan

Ini adalah gudang yang mengumpulkan contoh pemrosesan bahasa alami yang disertakan dalam buku.

Repositori ini akan lebih berguna jika Anda menggunakannya bersama dengan buku pemrosesan bahasa alami yang dimulai dengan TensorFlow dan pembelajaran mesin.

Perpustakaan yang Diperlukan (Persyaratan)

1. Python3
2. Aliran Tensor==1.10
3. numpy
4. panda
5. plot mat

Metode instalasi (Lingkungan)

 pip install -r requirements.txt

Jika instalasi tidak berjalan dengan benar, silakan instal python 3.6 dan lanjutkan.

 conda install python=3.6

Instalasi CUDA saat menggunakan GPU

• Jika menggunakan GPU, Anda harus menginstal versi CUDA yang kompatibel dengan TensorFlow.
• Saat ini proyek ini telah diimplementasikan dan diuji untuk berjalan pada versi tensorflow==1.10 .
• Untuk tensorflow-gpu==1.10 harap instal CUDA 9.0 .

Daftar isi

Tahap persiapan - Bab ini memberikan latar belakang tentang pemrosesan bahasa alami dan persiapan untuk pengembangan.

1. Masuk
2. Mempersiapkan pengembangan pemrosesan bahasa alami
3. Ikhtisar Pemrosesan Bahasa Alami

Dasar-dasar Pemrosesan Bahasa Alami - Ini adalah bab praktik tentang model dasar dalam pemrosesan bahasa alami.

4. Klasifikasi teks
5. Kesamaan Teks

Pemrosesan Bahasa Alami Tingkat Lanjut - Ini adalah bab praktik tentang pemrosesan bahasa alami tingkat lanjut melalui model chatbot.

6. Buat bot obrolan

Pertanyaan

Permintaan tarik selalu diterima. Jika Anda memiliki masalah, bug, atau pertanyaan, silakan tinggalkan pesan di masalah tersebut.

**Sebelum memeriksa masalah ini, harap lihat dokumen di Wiki terlebih dahulu dan berikan komentar mengenai masalah tersebut!

Penulis

ChangWookJun / @changwookjun ([email protected])
Taekyoon / @taekyoon ([email protected])
JungHyun Cho / @JungHyunCho ([email protected])