Introduction au Natural Language Processing (NLP) en Python

Ce chapitre présente des concepts fondamentaux du NLP, comme la tokenisation des mots et les expressions régulières pour analyser du texte. Vous verrez aussi comment gérer du texte non anglais et des cas de tokenisation plus complexes.

Ce chapitre vous initie à l’identification de thématiques, applicable à tout texte rencontré dans la nature. En utilisant des modèles NLP simples, vous identifierez des sujets à partir de fréquences de termes. Vous testerez et comparerez deux méthodes simples : sac de mots et Tf-idf avec NLTK, ainsi qu’une nouvelle bibliothèque, Gensim.

Ce chapitre aborde un sujet un peu plus avancé : la reconnaissance d’entités nommées. Vous apprendrez à identifier le qui, quoi et où de vos textes à l’aide de modèles préentraînés sur des textes en anglais et dans d’autres langues. Vous découvrirez également de nouvelles bibliothèques, polyglot et spaCy, pour enrichir votre boîte à outils NLP.

Vous appliquerez les bases vues jusqu’ici, combinées à du Machine Learning supervisé, pour créer un détecteur de « fake news ». Vous commencerez par les fondamentaux de l’apprentissage supervisé, puis vous choisirez quelques caractéristiques importantes et testerez des idées pour identifier et classer des articles mensongers.