Публикации по теме 'text-analytics'


Извлечение и визуализация ключевой фразы: Python и Power BI
"Обработка естественного языка" Извлечение и визуализация ключевых фраз: Python и Microsoft Power BI Узнайте о неструктурированном тексте Реализация алгоритма RAKE в интеграции Python и Power BI Мы живем в эпоху, когда данные - это новая валюта! Это делает крупных технологических гигантов самыми богатыми компаниями в мире. Лучшим вложением в следующие несколько десятилетий будет вложение в данные. Итак, что эти компании делают с этими данными? Как можно обрабатывать фрагменты..

Подход машинного обучения для идентификации авторов романов ужасов по текстовым фрагментам
Давайте начнем… Написано много романов, но некоторые из них с годами приобретают статус культовых и вспоминаются на века. Романы нескольких жанров и кросс-жанров (смешение нескольких жанров). Ужасы - это особый жанр романов. Есть много известных романов ужасов, которые являются абсолютными фаворитами читателей даже спустя десятилетия после их выхода. Например, Сериал «Мурашки по коже» (1998–2016) Р.Л. Стайна стал нарицательным и одним из самых знаменитых романов ужасов..

Я набрал 24 % в конкурсе Kaggle Text Classification Challenge, не написав ни строчки кода!
Введение Aasaan.ai — это платформа без кода для создания, обучения и развертывания моделей глубокого обучения, не беспокоясь о графических процессорах, инфраструктуре, преобразователях или чем-то еще. В этом посте мы увидим, как использовать платформу и получить отправку, которая достигает респектабельной точности 83% на тестовом наборе. Эта точность может показаться низкой, но текущая повестка дня для платформы состоит в том, чтобы, наконец, получить API. использовать эти модели с..

Включение агентов контакт-центра с глубоким обучением в тексте
Обзор Контакт-центры сегодня являются многоканальными. Каналы электронной почты и чата очень распространены. Предоставление агентам возможности решать проблемы клиентов имеет первостепенное значение для повышения качества обслуживания клиентов. Когда агент получает новое электронное письмо для обслуживания, если мы можем представить аналогичные электронные письма (с аналогичной семантикой), на которые уже были даны ответы (другими агентами), это поможет ему получить более качественные..