Pythonでの機械学習のためのテキストの前処理−自然言語処理

自然言語処理のためのPythonによるテキスト前処理と機械学習

キリル・ドブレフによる写真

一部の一般的なテキスト前処理の技術Pythonの例とともに

このソーシャルメディアとオンラインビジネスの時代では、テキストデータが様々な場所から来ます。 しかし、テキストデータの取り扱いはトリッキーです。 生のテキストにはあらゆる種類の不純物、不要なノイズ、綴りの間違いなどが含まれる場合があります。 そのため、テキストデータのモデリングに入る前に、適切な前処理を行う必要があります。

この記事では、テキストデータを機械学習向けに準備するための一般的なテキスト前処理の手法に取り組みます。

数値の削除

テキスト中の数値は、機械学習モデルにとって欺瞞的な場合があります。 なぜなら、結局のところ、テキストは数値として変換する必要があるからです。 各テキストは数字として変換されます。 テキストに再び数値が含まれている場合、それらの数値には不必要に干渉する可能性があります。 そのため、数値の削除は役に立ちます。

ここでは、正規表現を使用して数値を削除しました。 そのため、まず ‘re’をインポートする必要がありました。

 import re  text = "クラスAには35人の学生がいます。 クラスBには29人の学生がいますが、全員が数学が得意です。"res = re.sub(r'\ d + '、 ''、 text)res 

出力:

 'クラスAには学生がいます。 クラスBには学生がいますが、全員が数学が得意です。' 

すべての数値がテキストからなくなりました。

余分なスペースの削除

これはまた別の面白い問題です。 時には、生データに先頭や末尾に余分なスペースが入ってくることがありますが、問題には見えません。 しかし、問題を引き起こす可能性があります。 余分なスペースがある場合、同じ単語が2つの異なる単語として表示される場合があります。 たとえば、モデルを開発する際に単語「曲」の先頭に余分なスペースを追加すると、スペースのみの違いから「音楽」だけでなく別の単語と見なされる可能性があり、モデルのパフォーマンスに悪影響を与えるかもしれません。

 st = "結果は素晴らしかった "st.strip() 

出力:

 '結果は素晴らしかった' 

先頭と末尾のスペースがなくなりました。

私はKaggleからtwitter.csvデータを使用しました…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

データサイエンス

「データ統合とAIによる洞察力」

業界全般において意思決定と自動化の向上のためのデータ統合とAIの変革的な相乗効果を探求する

機械学習

デビッドソンシーングラフにお会いください:高精度なテキストから画像へのAI評価のための革命的なAIフレームワーク

T2Iモデル(テキストから画像を生成するモデル)の評価は困難であり、しばしば質問生成と回答(QG/A)の手法に依存してテキス...

機械学習

「Gradio-liteと出会う:Pyodideを使用してブラウザでインタラクティブな機械学習ベースのライブラリ(Gradio)を向上させるJavaScriptライブラリ」

Gradioは、機械学習モデルのユーザーインターフェースの作成を簡略化するオープンソースのPythonライブラリです。開発者やデ...

AI研究

このAI研究レビューでは、衛星画像とディープラーニングの統合による資産ベースの貧困の測定について探求しています

ルンド大学とハルムスタッド大学の研究者は、衛星画像と深層機械学習による貧困推定の説明可能なAIに関するレビューを実施し...

機械学習

「Declarai、FastAPI、およびStreamlitを使用してLLMチャットアプリケーションを展開する」

2022年10月、私が大規模言語モデル(LLM)の実験を始めたとき、最初の傾向はテキストの補完、分類、NER、およびその他のNLP関...

AIニュース

「AIチャットボットが$1未満で数分でソフトウェアを作成する」

AIチャットボットが仮想のソフトウェア会社ChatDevを運営し、ソフトウェアをわずか7分で一から開発し、コストを1ドル以下に抑...