NLP ライブラリを使用して Python でテキストを解析する方法

NLP ライブラリを使用して Python でテキストを解析する方法

翻訳者 |チェン・ジュン

校正:孫淑娟

Python は、人工知能の分野で広く使用されている強力なオブジェクト指向プログラミング (OOP) 言語です。まさにその実用性を考慮して、Google を筆頭とする大手テクノロジー企業は、Tensorflow などのコード ライブラリを開発し、強力な機械学習アルゴリズムとモデルを使用して、さまざまな「手話」パーサー、オートバイのヘルメット検出器、さまざまなオブジェクト識別子など、さまざまなアプリケーション目的を達成できるようにしています。

NLP (自然言語処理) は、自然言語の理解と操作に関連するすべての人工知能アクティビティの総称です。 Python には、テキストを取得してさまざまなコンポーネントに分解し、重要な部分を識別するために使用できる Transformers と呼ばれる機械学習モデルがあります。次に、ディープラーニングモデルであるTransformerがどのようにテキストを解析するかについて説明します。

1. Transformer ライブラリを使用して Python でテキストを解析するにはどうすればよいですか?

始める前に、Google アカウントが必要です。自分のコンピュータに Python、その依存関係、および IDE (統合開発環境) をインストールする手間を省くために、無料のクラウド サービス環境である Google Colab ノートブックを使用して、Python を使用するさまざまな人と共同作業を行います。同時に、AI コード ライブラリ自体が大きく、依存関係が多いため、クラウド環境を使用すると、占有するハードディスク領域を効果的に節約できます。

1. 必要なライブラリをインストールする

まず、次の 4 つのコード ライブラリをインストールする必要があります。 Colab ノートブックを開き、最初のコード セルに次のコードを入力します。

!pip トランスフォーマーをインストール

!pip トーチをインストール

!pip インストール センテンスピース

!pip 新聞3k をインストール

先に進む前に、これらのコマンドについて少し理解しておきましょう。あなたが知っているように:

  • 「トランスフォーマー」は、テキストを解析するために使用できるディープラーニング モデルです。
  • 「Torch」はディープラーニングのためのアルゴリズムを提供します。
  • 「Sentencepeice」は、テキストを「トークン化」(コンポーネントに分解)するために使用できます。
  • 「Newspaper3k」は、インターネットから記事(テキストコンテンツ)をインポートできるWebスクレイピングライブラリです。

この時点で、画面には次のような内容が表示されます。

2. 記事をインポートする

記事をインポートするには、対応する URL を指定する必要があります。次に、後でさらにマークできるように、次のコマンドを入力して記事をダウンロードして解析する必要があります。

それが完了したら、ステップ 3 に進みます。

3. 記事にタグを付ける

変換ライブラリから自動トークナイザーをインポートし、テキスト間の変換 (ここでは解析に使用できます) に T5 モデル (T5 は機械学習モデルです) を使用して、解析済みテキストを生成する必要があります。次の画像は、このエフェクトに入力する必要があるコードを示しています。

4. 記事を分析する

この記事を解析するには、特定の関数を作成する必要があります。この関数はトークン化された記事を受け取り、各文を個別に解析します。次に、文章を再び結合してから出力します。

次の画像は解析されたテキストの出力を示しています。

読みやすさを向上させるために、これを手動でテキスト ファイルにコピーできます。

これは、NLP ライブラリを使用して Python でテキストを解析する 1 つの方法です。しかし、これは、特に AI や Python に精通していない人にとっては、かなり複雑で面倒な方法です。この時点で、この目的を達成するためのオンライン解析ツールはあるのだろうかと疑問に思うはずです。

2. オンライン分析のための無料ツール

1. プレポストセオ

Prepostseo は、さまざまな目的に使用できる非常に便利な解析ツールを提供します。無料でご利用いただけるため、スムーズに使い始めるために何らかのアカウントを登録する必要はありません。

ツールを使用する場合、次の 3 つのモードで無料で使用できます。

  • シンプルモード
  • アドバンスモード
  • スムーズモード

このうち、シンプル モードでは、ツールはいくつかの単純な同義語化のみを実行します。つまり、複数の単語がいくつかの同義語に置き換えられます。

高度なモードでは、単語や解析結果だけが変化するわけではありません。デフォルトの結果が気に入らない場合は、編集可能な部分を確認して、別の同義語に置き換えることができます。

流暢さのパターンは、単語だけでなく、フレーズ、文の構造、トーンも変化させます。ただし、出力を編集するオプションは提供されません。

スムーズモードとアドバンスモードの方が効果的なモードであることがわかります。カスタム コンテンツをインポートするには、解析するドキュメントをアップロードするか、テキストをコピーして入力フィールドに貼り付け、解析プロセスが完了した後に出力をダウンロードします。

このツールの唯一の欠点は、Web ページに広告が表示されることです。

2. リンギックス

Linguix は登録なしで使用できる別の無料パーサーです。ウェブページには広告がないので、非常に使いやすいです。

Linguix には複数のモードはありませんが、文を解析すると、1 つだけではなく複数の候補が表示されます。すべての提案によって特定のテキストに異なる変更が加えられる可能性があるため、最も適したものを選択できます。

このツールは使いやすいです。解析するテキストを入力ボックスに入力し、ハイライト表示して選択するだけで、文ごとに対応するポップアップ候補が表示されます。

このツールの唯一の欠点は、一度に 5 つの文しか解析できないことです。

3. パラフレーズ

Paraphraser.io は、多くのコンテンツ最適化ツールを備えたオンライン ツールキットでもあります。名前が示すように、主に解析の分野を対象としています。

このツールも登録なしで無料で使用できます。ただし、前述の Prepostseo と同様に、使用中に広告が煩わしく感じる場合があります。現在、標準モードとスムーズモードの 2 つの無料モードが提供されています。このうち、標準モードでは、一部の単語を同義語で置き換えるだけで、全体的な文の構造は変更されません。流暢性モードでは、単語やフレーズを置き換えるだけでなく、文章の構造も変更してテキストを読みやすくします。

広告の他に、このツールのもう 1 つの欠点は、一度に解析できる単語数が 500 語までしかないことです。

3. まとめ

要約すると、NLP ライブラリを使用して Python でテキストを解析すると、人工知能とディープラーニングのさまざまなモデルを最大限に活用して変換を実現できます。このような重いタスクを完了するには、Google Colab の強力なクラウド サービス機能と Transformer ライブラリを使用できます。さまざまなオンライン解析ツールのさまざまなモードを選択して、さまざまな方法でテキストを書き換えることもできます。さらに、これらのツールのほとんどは無料で、登録は必要ありません。

オリジナルリンク: https://dzone.com/articles/how-to-paraphrase-text-in-python-using-nlp-librari

翻訳者について

51CTO コミュニティの編集者である Julian Chen 氏は、IT プロジェクトの実装において 10 年以上の経験を持っています。社内外のリソースとリスクの管理に長けており、ネットワークと情報セキュリティの知識と経験の普及に注力しています。

<<:  現代の製造業におけるクラウドコンピューティングベースのテクノロジーの重要性

>>:  エッジコンピューティングとクラウドコンピューティングを併用する 4 つのメリット

推薦する

年配のウェブマスターの経験について語る

何かを検索していたところ、昔のウェブマスターが書いた良い記事を見つけたので、皆さんと共有するために再...

SEOとウェブサイトコンテンツのバランスを取ることが重要

SEO とコンテンツは非常に繊細な関係にあります。インターネット業界には、SEOに優れたウェブサイト...

rackhost-$3.5/10g ポート/無制限トラフィック/KVM/512M メモリ VPS

Rackhostはホストキャットに2回登場しました。2002年から運営しているこのホスティング業者(...

広く受け入れられているSEOに関する5つの誤解

諺にあるように、間違いを一人の人間が認識すれば、その人は間違っている。 100 人がこの間違いが正し...

新しいインフラ、クラウドサービスへの投資が鍵

3月4日、中国共産党中央委員会政治局常務委員会が会議を開き、「5Gネットワ​​ークやデータセンターな...

オンラインマーケティング8年の経験:中小企業がQ&Aマーケティングを実施する方法

ショートビデオ、セルフメディア、インフルエンサーのためのワンストップサービスAR Zhuifeng ...

#黒5# namecheap: ドメイン名登録と移管の割引、仮想ホスティング $8.8/年、メール $3.56/年、SSL 証明書 $2.88/年

今後、Namecheap の製品には大きな割引が適用されます: (1) ドメイン名の登録と転送、複数...

sharktech: 月額 509 ドル、10Gbps 帯域幅、無制限トラフィック、2*e5-2670/32g メモリ/2T ハードディスク/5IP/60g 防御

Sharktech は、16 年間運営されているアメリカのコンピューター ルームの老舗ブランドです。...

ウェブサイトのキーワードランキングの低下と解決策

キーワードランキングは上がるために一生懸命努力し、この結果を得るまでにほとんどの時間がかかりましたが...

CSSBBS Baidu SEO最適化とウェブサイト構築体験トーク!

まず、Baidu検索でのこのサイトのランキングを見てみましょう:CSSフォーラム、CSSコミュニティ...

Hostvy紹介:CN2 GIA+NCP回線を主に運用するVPS

2009年に設立されたVPSブランドのHostvyは、主に米国ロサンゼルスデータセンターでVPS事業...

Dockerコンテナを学ぶ価値のあるものにするためのちょっとしたコツ

概要Linux システムでは、ファイルやディレクトリを操作するためにコマンドラインを使用する必要があ...

データ分析によりQQ空間の商業的価値を深く探究

中国で最も広く使われているチャットツールとして、中国のほぼすべてのインターネットユーザーがQQを使用...

新規サイトの「三度参入」現象をどう分析するか

昨日、私は医療ウェブサイトの最適化における成功体験を共有しました。医療最適化に不慣れな友人たちの間で...