Beispielprojekt und Notebooks

Als Einstieg in die Watson Natural Language Processing-Bibliothek können Sie ein Beispielprojekt und Notebooks aus dem Ressourcenhub herunterladen.

Sie können auf die Ressourcendrehscheibe zugreifen, indem Sie Ressourcendrehscheibe aus dem Navigationsmenü von Cloud Pak for Data as a Service auswählen.

Beispielnotebooks

• Analyse finanzieller Reklamationen

  Dieses Notebook veranschaulicht das Analysieren finanzieller Kundenreklamationen unter Verwendung von Watson Natural Language Processing. Dabei werden Daten aus der vom CFPB (Consumer Financial Protection Bureau) veröffentlichten Datenbank für Verbraucherreklamationen (Consumer Complaint Database) verwendet. Das Notebook veranschaulicht die Verwendung der Klassifizierungsmodelle 'Ton' und 'Emotion'.

• Analyse von Fahrzeugreklamationen

  Dieses Notebook veranschaulicht das Analysieren von Fahrzeugreklamationen unter Verwendung von Watson Natural Language Processing. Es verwendet öffentlich zugängliche Reklamationsdatensätze von Autoeigentümern, die von der National Highway and Transit Association (NHTSA) des US-Verkehrsministeriums gespeichert wurden. Dieses Notebook veranschaulicht die Verwendung der Syntaxanalyse zum Extrahieren der am häufigsten verwendeten Nomen. Diese Nomen bezeichnen in der Regel Probleme, die in Rezensionen behandelt werden, und kombinieren diese Ergebnisse durch Auswerten von Zuordnungsregeln mit strukturierten Daten.

• Reklamationsklassifizierung mit Watson Natural Language Processing

  Dieses Notebook veranschaulicht das Trainieren verschiedener Textklassifikationsmerkmale unter Verwendung von Watson Natural Language Processing. Die Klassifikationsmerkmale erstellen eine Vorhersage der Produktgruppe aus dem Text einer Kundenreklamation. Dies kann beispielsweise genutzt werden, um eine Reklamation an den zuständigen Mitarbeiter weiterzuleiten. Die in diesem Notizbuch verwendeten Daten stammen aus der Datenbank für Verbraucherreklamationen (Consumer Complaint Database), die vom CFPB (Consumer Financial Protection Bureau), einer US-Regierungsbehörde, veröffentlicht wurde und öffentlich verfügbar ist. Dabei wird veranschaulicht, wie Sie ein Modell 'CNN' und ein Modell 'VoringEnsemble' trainieren und die Modellqualität bewerten können.

• Entitätsextraktion aus finanziellen Reklamationen mit Watson Natural Language Processing

  Dieses Notebook veranschaulicht, wie benannte Entitäten unter Verwendung von Watson Natural Language Processing aus finanziellen Kundenreklamationen extrahiert werden. Dabei werden Daten aus der vom CFPB (Consumer Financial Protection Bureau) veröffentlichten Datenbank für Verbraucherreklamationen (Consumer Complaint Database) verwendet. Im Notizbuch erfahren Sie, wie Sie eine wörterverzeichnisbasierte Termextraktion durchführen, um ein angepasstes Extraktionsmodell auf der Basis bestimmter Wörterverzeichnisse zu trainieren und Entitäten mithilfe des BERT-oder eines Umsetzungsprogrammmodells zu extrahieren.

Beispielprojekt

Wenn Sie die Beispielnotebooks nicht einzeln in Ihr Projekt herunterladen möchten, können Sie das gesamte Beispielprojekt Text Analysis with Watson Natural Language Processing aus dem Ressourcenhub Cloud Pak for Data as a Service herunterladen.

Das Beispielprojekt enthält die im vorherigen Abschnitt aufgelisteten Beispielnotebooks, einschließlich der folgenden:

• Hotelbewertungen unter Verwendung von Watson Natural Language Processing analysieren

  In diesem Notizbuch erfahren Sie, wie Sie mithilfe der Syntaxanalyse die am häufigsten verwendeten Nomen aus den Hotelbewertungen extrahieren, die Stimmung der Bewertungen klassifizieren und die Zielstimmungsanalyse verwenden. Die von diesem Notebook verwendete Datendatei ist im Projekt als Datenasset enthalten.

Sie können alle Beispielnotebooks mit der NLP + DO Runtime 24.1 on Python 3.11 XS -Umgebung ausführen, mit Ausnahme des Notebooks Analyzing hotel reviews using Watson Natural Language Processing . Zum Ausführen dieses Notebooks müssen Sie eine Umgebungsvorlage erstellen, die groß genug ist, um die CPU-optimierten Modelle für Stimmungs-und Zielstimmungsanalyse zu laden.

Übergeordnetes Thema: Watson Natural Language Processing-Bibliothek