Traitement du langage naturel


Problème: appliquer des algorithmes d'apprentissage automatique au traitement du langage naturel (NLP).

Contexte: Depuis des décennies, les humains communiquent avec les machines en écrivant des codes contenant des règles spécifiques. Les ordinateurs exécutent depuis longtemps des tâches en réponse aux commandes que nous leur donnons. Grâce aux progrès de la PNL, nous sommes désormais en mesure d'interagir avec les ordinateurs en utilisant des langues naturelles.

Parmi les réussites du NLP, on peut citer les chatbots qui traitent efficacement les demandes des clients 24 heures sur 24 et 7 jours sur 7, les assistants virtuels (par exemple, Amazon Alexa) qui comprennent nos commandes orales pour répondre à nos besoins en temps réel, et les traducteurs automatiques qui traduisent les principales langues à la volée. Le résumé de texte, la catégorisation du contenu, l'analyse des sentiments, la conversion texte-parole, la conversion parole-texte et d'autres fonctionnalités du NLP permettent à la communication homme-machine de franchir une nouvelle étape.

Type de modèle: Une combinaison d'algorithmes dans le domaine du NLP

Ce que nous avons fait: Nous avons utilisé une bibliothèque Python appelée TextBlob pour fournir des capacités NLP sous forme d'API. Nous avons opérationnalisé ces capacités avec SnapLogic plateforme.(Plus d'informations sur la façon dont nous avons construit cette démo).

Dans cette démo, saisissez une ou plusieurs phrases dans le panneau de gauche et cliquez sur les boutons situés sous les panneaux pour effectuer différentes opérations NLP telles que l'analyse des sentiments. Il se peut que vos résultats soient retardés en raison de la demande. Veuillez faire preuve de patience.

Essayez l'apprentissage automatique en libre-service dès aujourd'hui