机器学习和文本分析_数据分析师
当计算机更好地理解了自然语言,新的领域不断被开创,例如:用户应用的人机界面的提升,更为完善搜素引擎,Cortana和Siri这样的个人助理和一些分析给定文献的工具。例如,一个新闻网站如果能够将文章里提到的人使用算法链接到维于文本中额外信息的利用,用户能够轻易分别文章所讲的显著实体(如:运动员,球队等),如图1所示:
图1 文本分析的愿景
文本分析一直是科学研究较为活跃的领域。毕竟创造所有人类知识(文本表示)不是一项轻松的工作。90年代至今的早期工作,包括Brill标签器[1]的工作确定了句子中的部分词性,[2]的工作也对新工作有一定的启示。微软研究院一直热衷于在科学领域创造新的想法,但是我们又进一步将新科技落到实处,创造出了产品级别的技术。
在这篇博客通讯中,我们简要展示了人工智能技术如何通过利用命名实体识别(NER)技术应用于文本分析。作为一个提供完整并可直接使用的机器学习功能的平台,Microsoft Azure ML包含了文本分析的基本能力,并且特别支持了NER–因此我们可以将笼统的概念与具体的设计选择联系起来。
NER是将文本与人、地点、组织、运动队伍等进行参照的技术。让我们概览一下如何利用“有监督学习”解决这个问题:
图2 命名实体识别流程图
在设计时间或“学习时间”,系统会利用训练数据创造一个学习任务的“模型”。这种方法从小部分例子中概化来处理任意新文本。
训练数据包括了人类标注的被学习的命名实体的标签。这看起来就像:“当Chiris Bosh超常发挥,迈阿密热火队将变得强大无比”。这个模型预期能够从自然的例子中学习,训练得能够从新输入的文本中识别运动员实体和队名实体。
设计时间流程的效果取决于特征提取阶段–一般而言,特征提取越多,模型越强大。比如在一个文本中和一个词相关的局部语句[比如,前k个词和后k个词]是我们人类用来将词和实体联系起来的强大特征。例如,在句子“San Francisco beat the Cardinals in an intense match yesterday”,很显然句子中提到的“San Francisco”指一个运动队而不是地名旧金山。字母大写是识别命名实体例如文中出现的人、地点的又一实用特征。
模型训练就是机器学习做的事,如:产生一个好的模型。一般而言,特征的选择是一个复杂的组合过程。有许多可以用的机器学习技术,包括感知元(Perceptron)、条件随机场(Conditional Random Fields)等。技术的选择依赖于使用有限训练数据的模型精确性、处理的素的和能够被自动学习的命名实体数量。例如,Azure ML NER模块默认支持三种类型实体:人、地点和组织。
运行时间流程的目标是输入未标记文本并且产生被创建出的模型在设计时间识别的相应的输出文本。正如人们能够观察到的一样,运行时间流程从设计时间流程服用了特征提取模块–因此,如果对于一个应用高效彻底的实体识别是必须的话,必须在运行进程中提供相对轻量的高值特性。作为一个说明性的例子,Azure ML NER模块使用了一小部分容易计算的、主要基于本地文本的特性,事实证明也十分有效。处理过程中产生的歧义通常利用Viterbi的工具解决,将实体标签分配给一系列输入单词。
值得注意的是,NER只是开始,但是却是从原始文本中捕获“知识”的重要一步。最近的博客通讯描述了NER加上一系列相关技术是如何提升Bing体育app的体验的–非常相似的NER栈也可供你在Azure ML中使用。除了NER,自然语言分词、链接和显著性、情感分析、事实提取等代表了提升用户文本相关应用体验的重要的步骤,这是能够帮助你使文本“生动”的额外技术。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10