机器学习和文本分析_数据分析师
当计算机更好地理解了自然语言,新的领域不断被开创,例如:用户应用的人机界面的提升,更为完善搜素引擎,Cortana和Siri这样的个人助理和一些分析给定文献的工具。例如,一个新闻网站如果能够将文章里提到的人使用算法链接到维于文本中额外信息的利用,用户能够轻易分别文章所讲的显著实体(如:运动员,球队等),如图1所示:
图1 文本分析的愿景
文本分析一直是科学研究较为活跃的领域。毕竟创造所有人类知识(文本表示)不是一项轻松的工作。90年代至今的早期工作,包括Brill标签器[1]的工作确定了句子中的部分词性,[2]的工作也对新工作有一定的启示。微软研究院一直热衷于在科学领域创造新的想法,但是我们又进一步将新科技落到实处,创造出了产品级别的技术。
在这篇博客通讯中,我们简要展示了人工智能技术如何通过利用命名实体识别(NER)技术应用于文本分析。作为一个提供完整并可直接使用的机器学习功能的平台,Microsoft Azure ML包含了文本分析的基本能力,并且特别支持了NER–因此我们可以将笼统的概念与具体的设计选择联系起来。
NER是将文本与人、地点、组织、运动队伍等进行参照的技术。让我们概览一下如何利用“有监督学习”解决这个问题:
图2 命名实体识别流程图
在设计时间或“学习时间”,系统会利用训练数据创造一个学习任务的“模型”。这种方法从小部分例子中概化来处理任意新文本。
训练数据包括了人类标注的被学习的命名实体的标签。这看起来就像:“当Chiris Bosh超常发挥,迈阿密热火队将变得强大无比”。这个模型预期能够从自然的例子中学习,训练得能够从新输入的文本中识别运动员实体和队名实体。
设计时间流程的效果取决于特征提取阶段–一般而言,特征提取越多,模型越强大。比如在一个文本中和一个词相关的局部语句[比如,前k个词和后k个词]是我们人类用来将词和实体联系起来的强大特征。例如,在句子“San Francisco beat the Cardinals in an intense match yesterday”,很显然句子中提到的“San Francisco”指一个运动队而不是地名旧金山。字母大写是识别命名实体例如文中出现的人、地点的又一实用特征。
模型训练就是机器学习做的事,如:产生一个好的模型。一般而言,特征的选择是一个复杂的组合过程。有许多可以用的机器学习技术,包括感知元(Perceptron)、条件随机场(Conditional Random Fields)等。技术的选择依赖于使用有限训练数据的模型精确性、处理的素的和能够被自动学习的命名实体数量。例如,Azure ML NER模块默认支持三种类型实体:人、地点和组织。
运行时间流程的目标是输入未标记文本并且产生被创建出的模型在设计时间识别的相应的输出文本。正如人们能够观察到的一样,运行时间流程从设计时间流程服用了特征提取模块–因此,如果对于一个应用高效彻底的实体识别是必须的话,必须在运行进程中提供相对轻量的高值特性。作为一个说明性的例子,Azure ML NER模块使用了一小部分容易计算的、主要基于本地文本的特性,事实证明也十分有效。处理过程中产生的歧义通常利用Viterbi的工具解决,将实体标签分配给一系列输入单词。
值得注意的是,NER只是开始,但是却是从原始文本中捕获“知识”的重要一步。最近的博客通讯描述了NER加上一系列相关技术是如何提升Bing体育app的体验的–非常相似的NER栈也可供你在Azure ML中使用。除了NER,自然语言分词、链接和显著性、情感分析、事实提取等代表了提升用户文本相关应用体验的重要的步骤,这是能够帮助你使文本“生动”的额外技术。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14