Watson Natural Language Processing kitaplığı, duygu analizi, anahtar sözcük çıkarma ve sınıflandırma gibi çok çeşitli metin işleme görevleri için sözdizimi analizi ve kullanıma hazır önceden eğitilmiş modeller için doğal dil işleme işlevleri sağlar. Watson Natural Language Processing kitaplığı yalnızca Python için kullanılabilir.

Watson Natural Language Processing ile yapısal olmayan verileri yapısal verilere dönüştürebilir ve özellikle yapısal ve yapısal olmayan verilerin bir karışımıyla çalışıyorsanız verilerin anlaşılmasını ve aktarılmasını kolaylaştırabilirsiniz. Bu tür verilere örnek olarak çağrı merkezi kayıtları, müşteri şikayetleri, sosyal medya gönderileri veya sorun raporları verilebilir. Yapısal olmayan veriler genellikle yapısal verileri içeren sütunları içeren daha büyük bir veri kaydının parçasıdır. Yapısal olmayan verilerden anlam ve yapının çıkarılması ve bu bilgilerin yapısal veri sütunlarındaki verilerle birleştirilmesi, girdi verilerini daha iyi anlamanızı sağlar ve daha iyi kararlar almanıza yardımcı olabilir.

Watson Natural Language Processing, 20 'den fazla dilde önceden eğitilmiş modeller sağlar. Bunlar, özel olarak ayrılmış bir uzman ekibi tarafından küratördür ve her belirli dilde kalite için değerlendirilir. Bu önceden eğitilmiş modeller, lisans veya fikri mülkiyet ihlali konusunda endişelenmenize gerek kalmadan üretim ortamlarında kullanılabilir.

Kendi modellerinizi oluşturabilmenize rağmen, Watson Natural Language Processing ile çalışmaya başlamanın en kolay yolu, dil işleme görevlerini gerçekleştirmek için önceden eğitilmiş modelleri yapılandırılmamış metinde çalıştırmaktır.

Aşağıda, Watson Natural Language Processing Pre-eğitimli modellerinde bulunan dil işleme görevlerine ilişkin bazı örnekler verilmiştir:

• Dil algılama: Giriş metninin dilini saptama
• Sözdizimi: tokenizasyon, lemmatization, konuşma etiketlemenin bir parçası ve bağımlılık ayrıştırması
• Varlık çıkarma: varlıkların bulunması (kişi, kuruluş ya da tarih gibi)
• İsim tümceciği çıkarma: giriş metninden isim tümceciklerini çıkar
• Metin sınıflandırması: metni analiz edin ve içeriğine dayalı olarak önceden tanımlanmış bir etiket ya da kategori kümesi atayın
• Duygu sınıflandırması: Giriş belgesi pozitif mi, negatif mi, nötr mi?
• Ton sınıflandırması: Giriş belgesindeki tonu sınıflandırın (heyecanlı, hayal kırıklığına uğramış ya da üzgün gibi)
• Duygu sınıflandırması: Giriş belgesinin duygusunu sınıflandırın (öfke ya da tiksinti gibi)
• Anahtar sözcük çıkarma: giriş metninde ilgili sözcük gruplarını çıkar
• Kavramlar: Giriş metninde DBPedia 'dan kavramları bulma
• İlişkiler: iki varlık arasındaki ilişkileri saptama
• Sıradüzenli kategoriler: Sıradüzenli bir sınıflamadaki tek tek düğümleri giriş belgesine atama
• Gömme: Tek tek sözcükleri ya da daha büyük metin parçacıklarını bir vektör boşluğuna eşleme

Watson Natural Language Processing, bloklar ve iş akışları aracılığıyla doğal dil işlevselliğini kaplar. Bloklar ve iş akışları, bir modeli yüklemek, çalıştırmak, eğitmek ve kaydetmek için işlevleri destekler.

Daha fazla bilgi için bkz. Önceden eğitilmiş modellerle çalışma.

Aşağıda, Watson Natural Language Processing kitaplığını nasıl kullanabileceğinize ilişkin bazı örnekler verilmiştir:

Sözdizimi çözümlemesini bir metin parçacığı üzerinde çalıştırma:

import watson_nlp

# Load the syntax model for English
syntax_model = watson_nlp.load('syntax_izumo_en_stock')

# Run the syntax model and print the result
syntax_prediction = syntax_model.run('Welcome to IBM!')
print(syntax_prediction)

Metin parçacığından varlıkları çıkarma:

import watson_nlp
entities_workflow = watson_nlp.load('entity-mentions_transformer-workflow_multilingual_slate.153m.distilled')
entities = entities_workflow.run('IBM\'s CEO Arvind Krishna is based in the US', language_code="en")
print(entities.get_mention_pairs())

Watson Natural Language Processing kitaplığının nasıl kullanılacağına ilişkin örnekler için bkz. Watson Natural Language Processing library usage samples.