Libros UCLV { BETA }

Guía para principiantes sobre "Procesamiento de ficheros de textos en python".

Este libro es una guía básica para principiantes que comienzan en el procesamiento de textos con python. Contiene elementos básicos para la manipulación de textos utilizando las bibliotecas estándar de python, trabajo con cadenas de texto, intercambio de datos con formatos CSV, JSON. Además contiene un capítulo completo de expresiones regulares, así como el trabajo con formatos de marcado como HTML. Posee numerosos ejemplos de como escribir la salida de nuestro programa de procesamiento de textos, análisis gramatical y un último capítulo dedicado a la indexación y búsqueda con la biblioteca python-nucular. Está orientado a ejercicios y gran parte del libro se dedica a explicar la solución de los mismos.

Modelación Computacional de Lenguajes Naturales

Este libro trata sobre la modelación computacional de los lenguajes naturales(como suele llamarse a las lenguas o idiomas humanos), aplicaciones informáticas generados a partir del estudio de la computación lingüística, y un examen de nivel medio sobre el modelo computacional de la lengua "MeaningText".

Procesamiento de Lenguaje Natural con Python-NLTK

El libro aborda los problemas de NLP más básicos utilizando la biblioteca estándar de python: NLTK. Tiene ejemplos para cada uno de estos problemas. Algunos de los problemas tratados son: división en segmentos o palabras(tokenización), corrección de palabras, creación de corpus lingüísticos personalizados, POS, extracción de fragmentos, transformación de frases y árboles, clasificación de textos, procesamiento de datasets, y análisis de textos HTML.

Procesamiento de Lenguaje Natural

Es un libro de procesamiento de lenguaje natural con python utilizando python-nltk. Los contenidos que trata son: una introducción al procesamiento de textos con python, cómo acceder a corpus y recursos léxicos, procesamiento de textos en formato RAW, nociones para programar de forma estructurada tus proyectos en este tipo de campo científico. Además dedica capítulos por separado a la categorización y el etiquetado, clasificación de textos, extracción de información, análisis de estructura de la oración, análisis semántico de la oración.

Natural Language Processing with Java

What this book covers Chapter 1, Introduction to NLP, explains the importance and uses of NLP. The NLP techniques used in this chapter are explained with simple examples illustrating their use. Chapter 2, Finding Parts of Text, focuses primarily on tokenization. This is the first step in more advanced NLP tasks. Both core Java and Java NLP tokenization APIs are illustrated. Chapter 3, Finding Sentences, proves that sentence boundary disambiguation is an important NLP task. This step is a precursor for many other downstream NLP tasks where text elements should not be split across sentence boundaries. This includes ensuring that all phrases are in one sentence and supporting parts of speech analysis. Chapter 4, Finding People and Things, covers what is commonly referred to as Named Entity Recognition. This task is concerned with identifying people, places, and similar entities in text. This technique is a preliminary step for processing queries and searches. Chapter 5, Detecting Parts of Speech, shows you how to detect parts of speech, which are grammatical elements of text, such as nouns and verbs. Identifying these elements is a significant step in determining the meaning of text and detecting relationships within text. Chapter 6, Classifying Texts and Documents, proves that classifying text is useful for tasks such as spam detection and sentiment analysis. The NLP techniques that support this process are investigated and illustrated. Chapter 7, Using Parser to Extract Relationships, demonstrates parse trees. A parse tree is used for many purposes, including information extraction. It holds information regarding the relationships between these elements. An example implementing a simple query is presented to illustrate this process. Chapter 8, Combined Approaches, contains techniques for extracting data from various types of documents, such as PDF and Word files. This is followed by an examination of how the previous NLP techniques can be combined into a pipeline to solve larger problems.