Last chance: 50% off unlimited learning
Sale ends in
Mô tả khóa học
Bạn đã từng để lại đánh giá để bày tỏ cảm nhận về một sản phẩm hoặc dịch vụ? Và bạn có thói quen xem các đánh giá trực tuyến trước khi mua không? Những thông tin này không chỉ hữu ích cho bạn mà còn cho cả doanh nghiệp. Trong khóa học này, bạn sẽ học cách nắm bắt cảm xúc được thể hiện trong nhiều loại văn bản khác nhau. Bạn sẽ sử dụng bộ dữ liệu thực tế gồm tweet, đánh giá phim và sản phẩm, cùng các gói nltk và scikit-learn của Python. Kết thúc khóa học, bạn sẽ có thể thực hiện một bài toán phân tích cảm xúc đầu-cuối dựa trên cách hành khách hàng không tại Mỹ bày tỏ cảm xúc của họ trên Twitter.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Phân tích cảm xúc: Cốt lõi và thực hành
Bạn đã từng xem đánh giá hoặc xếp hạng của một sản phẩm hay dịch vụ trước khi mua chưa? Nếu có, rất có thể bạn đã trực diện gặp phân tích cảm xúc. Trong chương này, bạn sẽ học cấu trúc cơ bản của một bài toán phân tích cảm xúc và bắt đầu khám phá cảm xúc trong các bài đánh giá phim.
- Chào mừng!50 XP
- Các thành phần của một bài toán phân tích cảm xúc50 XP
- Có bao nhiêu đánh giá tích cực và tiêu cực?100 XP
- Bài đánh giá dài nhất và ngắn nhất100 XP
- Các loại và cách tiếp cận trong phân tích cảm xúc50 XP
- Phát hiện cảm xúc của Tale of Two Cities100 XP
- So sánh cảm xúc của hai chuỗi100 XP
- Cảm xúc của một bài đánh giá phim là gì?100 XP
- Cùng tạo một đám mây từ!50 XP
- Đám mây từ đầu tiên của bạn100 XP
- Những từ nào có trong đám mây từ?50 XP
- Word Cloud cho đánh giá phim100 XP
2
Đặc trưng số từ đánh giá
Hãy tưởng tượng bạn đang ở vị trí của một công ty cung cấp nhiều loại sản phẩm. Bạn muốn biết sản phẩm nào bán chạy nhất và quan trọng hơn cả — vì sao. Chúng ta sẽ bắt đầu bước 1 để hiểu các bài đánh giá sản phẩm, sử dụng một bộ dữ liệu gồm đánh giá sản phẩm trên Amazon. Để làm được điều đó, ta chuyển văn bản sang dạng số và cân nhắc một vài phức tạp trong quá trình này.
3
Tiếp tục với vector số: Biến đổi tweet
Chương này tiếp tục quá trình hiểu các bài đánh giá sản phẩm. Chúng ta sẽ đề cập thêm những điểm phức tạp, đặc biệt khi làm việc với dữ liệu phân tích cảm xúc từ mạng xã hội như Twitter. Chúng ta cũng sẽ học các cách khác để tạo đặc trưng số từ văn bản.
4
Hãy dự đoán cảm xúc
Chúng ta áp dụng Machine Learning để dự đoán cảm xúc của một bài đánh giá dựa trên các từ được dùng trong đó. Ta dùng logistic regression và đánh giá hiệu năng của mô hình theo vài cách khác nhau. Đây sẽ là những mô hình nền tảng vững chắc!
Phân tích cảm xúc với Python
Hoàn
thành khóa học
