Los cuadernos de ejemplo muestran cómo utilizar los distintos bloques de Watson Natural Language Processing y cómo entrenar sus propios modelos.
Proyecto de ejemplo y cuadernos
Para ayudarle a empezar con la biblioteca Watson Natural Language Processing, puede descargar un proyecto de ejemplo y cuadernos desde el concentrador de recursos.
Puede acceder al centro de recursos seleccionando Centro de recursos en el menú de navegación Cloud Pak for Data as a Service.
Cuadernos de ejemplo
Análisis de reclamaciones financieras
Este cuaderno muestra cómo analizar las reclamaciones de los clientes financieros utilizando Watson Natural Language Processing. Utiliza datos de la base de datos Consumer Complaint Database publicada por la Consumer Financial Protection Bureau (CFPB). El cuaderno le enseña a utilizar los modelos de clasificación de tonos y de clasificación de emociones.
Análisis de reclamaciones de automóviles
Este cuaderno muestra cómo analizar las quejas de los coches utilizando Watson Natural Language Processing. Utiliza los registros de quejas disponibles públicamente de los propietarios de automóviles almacenados por la Asociación Nacional de Carreteras y Tránsito (NHTSA) del Departamento de Transporte de los Estados Unidos. Este cuaderno muestra cómo utilizar el análisis de sintaxis para extraer los nombres utilizados con más frecuencia, que suelen describir los problemas de los que hablan los autores y combinar estos resultados con datos estructurados utilizando la minería de reglas de asociación.
Clasificación de reclamaciones con el proceso de Watson Natural Language
Este cuaderno muestra cómo entrenar diferentes clasificadores de texto utilizando Watson Natural Language Processing. Los clasificadores predicen el grupo de productos a partir del texto de una reclamación de cliente. Esto podría utilizarse, por ejemplo, para dirigir una reclamación al miembro del personal adecuado. Los datos que se utilizan en este cuaderno se toman de la base de datos Consumer Complaint Database publicada por Consumer Financial Protection Bureau (CFPB), una agencia del gobierno de los Estados Unidos y está disponible públicamente. Aprenderá a entrenar un modelo personalizado de CNN y un modelo de VotingEnsemble y evaluar su calidad.
Extracción de entidades en reclamaciones financieras con Watson Natural Language Processing
Este cuaderno muestra cómo extraer entidades con nombre de reclamaciones de clientes financieros utilizando Watson Natural Language Processing. Utiliza datos de la base de datos Consumer Complaint Database publicada por la Consumer Financial Protection Bureau (CFPB). En el cuaderno aprenderá a realizar la extracción de términos basada en diccionario para entrenar un modelo de extracción personalizado basado en diccionarios determinados y extraer entidades utilizando el BERT o un modelo de transformador.
Proyecto de ejemplo
Si no desea descargar los cuadernos de ejemplo a su proyecto individualmente, puede descargar el proyecto de ejemplo completo Análisis de texto con Watson Natural Language Processing desde el concentrador de recursos Cloud Pak for Data as a Service .
El proyecto de ejemplo contiene los cuadernos de ejemplo listados en la sección anterior, incluyendo:
Análisis de reseñas de hoteles utilizando Watson Natural Language Processing
Este cuaderno le muestra cómo utilizar el análisis de sintaxis para extraer los nombres utilizados con más frecuencia de las revisiones de hotel, clasificar la opinión de las revisiones y utilizar el análisis de opinión de destinos. El archivo de datos que utiliza este cuaderno se incluye en el proyecto como un activo de datos.
Puede ejecutar todos los cuadernos de ejemplo con el entorno NLP + DO Runtime 24.1 on Python 3.11 XS
excepto el cuaderno Análisis de revisiones de hotel utilizando Watson Natural Language Processing . Para ejecutar este cuaderno, debe crear una plantilla de entorno que sea lo suficientemente grande como para cargar los modelos optimizados para CPU para el análisis de opiniones y objetivos.
Tema principal: Biblioteca de Watson Natural language Processing