Exemple de projet et de bloc-notes

Pour vous aider à démarrer avec la bibliothèque Watson Natural Language Processing, vous pouvez télécharger un exemple de projet et des blocs-notes à partir du concentrateur de ressources.

Vous pouvez accéder au centre de ressources en sélectionnant Centre de ressources dans le menu de navigation de Cloud Pak for Data as a Service.

Exemples de blocs-notes

• Analyse des plaintes financières

  Ce bloc-notes explique comment analyser les plaintes financières des clients à l'aide du traitement automatique du langage naturel Watson. Il utilise les données de la Base de données sur les plaintes des consommateurs publiée par le Bureau de la protection financière des consommateurs (CFPB). Le bloc-notes vous apprend à utiliser les modèles de classification de tons et d'émotions.

• Analyse des plaintes des voitures

  Ce bloc-notes explique comment analyser les plaintes relatives aux voitures à l'aide du traitement automatique du langage naturel Watson. Il utilise les dossiers de plaintes accessibles au public des propriétaires de voitures stockées par la National Highway and Transit Association (NHTSA) du ministère des Transports des États-Unis. Ce bloc-notes vous montre comment utiliser l'analyse syntaxique pour extraire les noms les plus fréquemment utilisés, qui décrivent généralement les problèmes que les auteurs examinent et associent ces résultats à des données structurées à l'aide de l'exploration de règles d'association.

• Classification des plaintes avec le traitement automatique du langage naturel Watson

  Ce bloc-notes explique comment former différents discriminants de texte à l'aide du traitement automatique du langage naturel Watson. Les discriminants prédisent le groupe de produits à partir du texte d'une plainte client. Cela pourrait être utilisé, par exemple pour acheminer une plainte au membre du personnel concerné. Les données utilisées dans ce bloc-notes proviennent de la Base de données sur les plaintes des consommateurs, qui est publiée par le Consumer Financial Protection Bureau (CFPB), une agence gouvernementale américaine et est accessible au public. Vous apprendrez à former un modèle de CNN sur mesure et un modèle VotingEnsemble et à évaluer leur qualité.

• Extraction d'entités sur des plaintes financières avec le traitement automatique du langage naturel Watson

  Ce bloc-notes explique comment extraire des entités nommées des réclamations de clients financiers à l'aide du traitement automatique du langage naturel Watson. Il utilise les données de la Base de données sur les plaintes des consommateurs publiée par le Bureau de la protection financière des consommateurs (CFPB). Dans le bloc-notes, vous apprendrez à effectuer une extraction de termes basée sur un dictionnaire pour entraîner un modèle d'extraction personnalisé basé sur des dictionnaires donnés et extraire des entités à l'aide du modèle BERT ou d'un transformateur.

Exemple de projet

Si vous ne souhaitez pas télécharger les exemples de bloc-notes dans votre projet individuellement, vous pouvez télécharger l'ensemble de l'exemple de projet Text Analysis with Watson Natural Language Processing à partir du concentrateur de ressources Cloud Pak for Data as a Service .

L'exemple de projet contient les exemples de bloc-notes répertoriés dans la section précédente, notamment :

• Analyse des avis d'hôtel à l'aide du traitement automatique du langage naturel Watson

  Ce bloc-notes vous montre comment utiliser l'analyse de syntaxe pour extraire les noms les plus fréquemment utilisés des avis d'hôtel, classer le sentiment des avis et utiliser l'analyse du sentiment des cibles. Le fichier de données utilisé par ce bloc-notes est inclus dans le projet en tant qu'actif de données.

Vous pouvez exécuter tous les exemples de bloc-notes avec l'environnement NLP + DO Runtime 24.1 on Python 3.11 XS , à l'exception du bloc-notes Analyzing hotel reviews using Watson Natural Language Processing . Pour exécuter ce bloc-notes, vous devez créer un modèle d'environnement suffisamment grand pour charger les modèles optimisés pour l'UC pour l'analyse des sentiments et les cibles.

Rubrique parent : Watson Bibliothèque de traitement de langage naturel