Przykładowy projekt i notebooki

Aby ułatwić rozpoczęcie pracy z biblioteką Watson Natural Language Processing, można pobrać przykładowy projekt i notebooki z przykładów.

Dostęp do przykładów można uzyskać, wybierając opcję Przykłady w menu nawigacyjnym Cloud Pak for Data (Cloud Pak for Data).

Przykładowe notebooki

• Analiza skargi finansowej

  Ten notatnik przedstawia sposób analizowania reklamacji klientów finansowych za pomocą Watson Natural Language Processing. Wykorzystuje dane z bazy danych Reklamacji Konsumentów opublikowanej przez Biuro Ochrony Konsumentów (Consumer Financial Protection Bureau-CFPB). Notatnik uczy, że należy stosować klasyfikację Tone i modele klasyfikacji Emotion.

• Analiza skarg dotyczących samochodów

  Ten notatnik demonstruje sposób analizowania skarg dotyczących samochodów przy użyciu technologii Watson Natural Language Processing. Wykorzystuje publicznie dostępne zapisy reklamacyjne od właścicieli samochodów przechowywanych przez National Highway and Transit Association (NHTSA) z Departamentu Transportu USA. Ten notatnik pokazuje, w jaki sposób można wykorzystać analizę składni do wyodrębnienia najczęściej używanych rzeczowników, które zazwyczaj przedstawiają problemy, o których autorzy dokonują przeglądu, i łączą te wyniki z danymi ustrukturyzowanymi przy użyciu eksploracji reguł asocjacji.

• Klasyfikacja reklamacji z przetwarzaniem języka naturalnego Watson

  Ten notatnik demonstruje sposób uczenia różnych klasyfikatorów tekstu przy użyciu produktu Watson Natural Language Processing. Klasyfikatory przewidują grupę produktów z poziomu tekstu skargi klienta. Można to wykorzystać na przykład w celu skierowania skargi do odpowiedniego członka personelu. Dane używane w tym notatniku są pobierane z bazy danych reklamacji konsumenta, która jest publikowana przez Biuro Ochrony Konsumentów (Consumer Financial Protection Bureau-CFPB), U.S. agencja rządowa i jest publicznie dostępna. Dowiesz się, jak szkolić niestandardowy model CNN i model VotingEnsemble i ocenić ich jakość.

• Wyodrębnianie jednostki w reklamacji finansowej przy użyciu programu Watson Natural Language Processing

  Ten notatnik demonstruje sposób wyodrębniania nazwanych obiektów ze skarg klientów finansowych za pomocą Watson Natural Language Processing. Wykorzystuje dane z bazy danych Reklamacji Konsumentów opublikowanej przez Biuro Ochrony Konsumentów (Consumer Financial Protection Bureau-CFPB). W notatniku dowiesz się, jak wykonywać ekstrakcję terminową opartą na słownikach, aby szkolić niestandardowy model wyodrębniania oparty na danych słownikach i wyodrębnianie jednostek przy użyciu modelu BERT lub transformatora.

Przykładowy projekt

Jeśli użytkownik nie chce pobierać przykładowych notebooków do swojego projektu indywidualnie, można pobrać cały przykładowy projekt Text Analysis with Watson Natural Language Processing z galerii IBM watsonx .

Przykładowy projekt zawiera przykładowe zeszyty wymienione w poprzedniej sekcji, w tym:

• Analizowanie przeglądów hoteli przy użyciu produktu Watson Natural Language Processing

  Ten notatnik pokazuje, jak używać analizy składni do wyodrębniania najczęściej używanych rzeczowników z recenzji hoteli, klasyfikowania sentymentu recenzji i wykorzystania celów analizy sentymentu. Plik danych używany przez ten notatnik jest dołączany do projektu jako zasób danych.

Wszystkie przykładowe notatniki można uruchamiać ze środowiskiem NLP Runtime 23.1 on Python 3.10 , z wyjątkiem Analizowania przeglądów hoteli przy użyciu Watson Natural Language Processing . Aby uruchomić ten notatnik, należy utworzyć szablon środowiska, który jest wystarczająco duży, aby załadować modele zoptymalizowane pod kątem procesora w celu analizy sentymentu i celów.

Temat nadrzędny: Watson Natural Language Processing library