در این مطلب، ویدئو Python NLP Word، جمله، تعداد عبارات، بررسی املا، تجزیه و تحلیل احساسات با TextBlob با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:08:56
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,320 –> 00:00:01,439
2
00:00:01,439 –> 00:00:03,040
در این آموزش پایتون
3
00:00:03,040 –> 00:00:04,799
به نحوه شروع
4
00:00:04,799 –> 00:00:07,200
پردازش زبان طبیعی با
5
00:00:07,200 –> 00:00:09,040
پکیج textblob می پردازیم.
6
00:00:09,040 –> 00:00:11,040
7
00:00:11,040 –> 00:00:13,200
8
00:00:13,200 –> 00:00:14,320
9
00:00:14,320 –> 00:00:16,480
ما از محیط بسته ناوبری آناکوندا استفاده می کنیم
10
00:00:16,480 –> 00:00:18,480
11
00:00:18,480 –> 00:00:20,640
یا برای
12
00:00:20,640 –> 00:00:22,800
دستورالعمل های نصب دیگر از فهرست بسته پایتون بازدید
13
00:00:22,800 –> 00:00:24,480
می کنیم، به نحوه ایجاد یک حباب متنی می پردازیم،
14
00:00:24,480 –> 00:00:25,359
15
00:00:25,359 –> 00:00:26,960
لیستی از کلمات را از متن
16
00:00:26,960 –> 00:00:28,080
17
00:00:28,080 –> 00:00:30,080
بارگذاری متن از یک فایل متنی
18
00:00:30,080 –> 00:00:31,760
ایجاد می کنیم و سپس یک حباب متن ایجاد می
19
00:00:31,760 –> 00:00:34,160
کنیم. در ادامه به نحوه شمارش
20
00:00:34,160 –> 00:00:37,360
جملات و عبارات کلمات در حباب های متنی
21
00:00:37,360 –> 00:00:39,280
شما می پردازیم، در ادامه به نحوه تشخیص و
22
00:00:39,280 –> 00:00:40,800
ترجمه زبان ها
23
00:00:40,800 –> 00:00:43,840
می پردازیم، بررسی املا و اصلاح املا
24
00:00:43,840 –> 00:00:45,760
و در نهایت به چند
25
00:00:45,760 –> 00:00:47,680
نمونه تجزیه
26
00:00:47,680 –> 00:00:49,520
و تحلیل احساسات می پردازیم و ببینیم چه چیز دیگری بسته textblob
27
00:00:49,520 –> 00:00:51,360
می تواند انجام دهد شما می توانید از
28
00:00:51,360 –> 00:00:53,600
مستندات بازدید کنید یا از فهرست بسته پایتون بازدید کنید تا
29
00:00:53,600 –> 00:00:56,399
بسته
30
00:00:57,199 –> 00:00:58,879
را نصب کنید.
31
00:00:58,879 –> 00:01:01,199
32
00:01:01,199 –> 00:01:02,640
33
00:01:02,640 –> 00:01:03,760
34
00:01:03,760 –> 00:01:05,600
nd
35
00:01:05,600 –> 00:01:07,600
آن را نصب کردم
36
00:01:07,600 –> 00:01:09,280
و می بینید که پکیج text blob
37
00:01:09,280 –> 00:01:11,680
در اینجا نصب شده است
38
00:01:11,680 –> 00:01:13,119
اگر می خواهید
39
00:01:13,119 –> 00:01:15,520
بسته های دیگری را در همان محیط نصب کنید، می توانید
40
00:01:15,520 –> 00:01:17,280
بسته را
41
00:01:17,280 –> 00:01:20,000
در اینجا جستجو کنید و آن را نصب کنید یا می توانید
42
00:01:20,000 –> 00:01:24,119
ترمینال را باز کنید و برای واردات یک نصب پیپ انجام دهید.
43
00:01:26,320 –> 00:01:28,560
ما از text blob
44
00:01:28,560 –> 00:01:30,159
import text blob استفاده
45
00:01:30,159 –> 00:01:31,920
می کنیم، همچنین می خواهیم
46
00:01:31,920 –> 00:01:33,680
جعبه ابزار زبان طبیعی را
47
00:01:33,680 –> 00:01:35,920
در اینجا وارد کنیم
48
00:01:38,079 –> 00:01:39,680
و می توانید ببینید که ما آن را
49
00:01:39,680 –> 00:01:42,880
در محیط بسته blob متن خود در
50
00:01:42,880 –> 00:01:45,119
اینجا نصب
51
00:01:46,240 –> 00:01:48,720
کرده ایم و هر
52
00:01:48,720 –> 00:01:51,040
53
00:01:51,040 –> 00:01:52,640
از چند گاهی ممکن است نیاز داشته باشید pathlib را از مسیر واردات pathlib وارد کرده ایم. برای
54
00:01:52,640 –> 00:01:54,799
دانلود سایر بستههای جعبه ابزار زبان طبیعی
55
00:01:54,799 –> 00:01:56,240
56
00:01:56,240 –> 00:01:58,000
یکی از راههای انجام این کار
57
00:01:58,000 –> 00:01:59,560
استفاده از toolkit زبان طبیعی است.
58
00:01:59,560 –> 00:02:01,280
دانلود کنید و
59
00:02:01,280 –> 00:02:03,680
60
00:02:03,680 –> 00:02:05,840
اگر از textblob استفاده میکنید و معمولاً به بسته نیاز دارد،
61
00:02:05,840 –> 00:02:06,880
62
00:02:06,880 –> 00:02:08,560
به شما نشان میدهد که در
63
00:02:08,560 –> 00:02:10,000
پیغام خطا
64
00:02:10,000 –> 00:02:11,760
به شما میدهد. دستورالعملها و سپس
65
00:02:11,760 –> 00:02:15,760
میتوانید بستهها را در صورت نیاز دانلود کنید،
66
00:02:16,239 –> 00:02:18,239
ابتدا به نحوه ایجاد یک
67
00:02:18,239 –> 00:02:19,840
68
00:02:19,840 –> 00:02:21,599
حباب متنی میپردازیم.
69
00:02:21,599 –> 00:02:22,480
70
00:02:22,480 –> 00:02:25,040
blob
71
00:02:25,040 –> 00:02:27,760
و ما در متن قرار
72
00:02:27,760 –> 00:02:30,319
می دهیم و می توانید ببینید که حباب متن خود را
73
00:02:30,319 –> 00:02:32,319
بعد از ایجاد حباب متن خود دریافت می کنیم سپس
74
00:02:32,319 –> 00:02:34,879
آماده استفاده از بسته حباب متن برای
75
00:02:34,879 –> 00:02:36,879
انجام وظایف پردازش زبان طبیعی
76
00:02:36,879 –> 00:02:38,800
77
00:02:38,800 –> 00:02:40,640
برای ایجاد لیستی از کلمات از
78
00:02:40,640 –> 00:02:43,920
لکه متن شما هستیم. می توانید از کلمات لکه نقطه استفاده کنید
79
00:02:43,920 –> 00:02:46,640
و در اینجا ما لیستی از همه کلمات
80
00:02:46,640 –> 00:02:48,319
در وبلاگ
81
00:02:48,319 –> 00:02:50,080
داریم در اینجا مثالی داریم که در آن تست می کنیم تا
82
00:02:50,080 –> 00:02:52,080
ببینیم آیا کلمه ای در لکه است یا خیر کلمه در
83
00:02:52,080 –> 00:02:54,160
84
00:02:54,160 –> 00:02:58,239
کلمات نقطه لکه داغ است که
85
00:03:00,640 –> 00:03:02,560
اگر مایل باشید درست است برای بارگذاری متن از یک
86
00:03:02,560 –> 00:03:04,879
فایل متنی، می توانید از مسیر قرار داده شده در مسیر استفاده کنید.
87
00:03:04,879 –> 00:03:07,360
متن نقطه خواندن
88
00:03:07,360 –> 00:03:10,000
، آن را به متن متغیر اختصاص می دهیم،
89
00:03:10,000 –> 00:03:11,920
سپس از text blob استفاده می کنیم و متن را قرار می دهیم و در
90
00:03:11,920 –> 00:03:16,080
اینجا حباب متنی داریم،
91
00:03:16,080 –> 00:03:18,400
اجازه دهید نحوه کار را بررسی کنیم. میتوانیم از
92
00:03:18,400 –> 00:03:20,959
حبابهای متنی خود برای ایجاد تعداد کلمات
93
00:03:20,959 –> 00:03:24,239
و جملات و عبارات استفاده کنیم،
94
00:03:24,480 –> 00:03:28,080
بنابراین در اینجا ما حباب متن خود را ایجاد
95
00:03:28,080 –> 00:03:29,760
کردهایم، اگر میخواهیم تعداد
96
00:03:29,760 –> 00:03:32,000
کلمات موجود در حباب متن را ببینیم، میتوانیم از
97
00:03:32,000 –> 00:03:34,799
شمارش کلمات لکه نقطه استفاده کنیم
98
00:03:34,799 –> 00:03:36,879
و در اینجا کلمات
99
00:03:36,879 –> 00:03:40,560
و در سمت راست،
100
00:03:40,560 –> 00:03:42,400
اگر بخواهیم به جملات دسترسی داشته باشیم، شمارش را داریم در
101
00:03:42,400 –> 00:03:44,959
بلوک متن می توانیم از جملات blob dot استفاده کنیم
102
00:03:44,959 –> 00:03:47,760
و در اینجا جملات جدا شده را داریم
103
00:03:47,760 –> 00:03:49,440
104
00:03:49,440 –> 00:03:51,360
برای دیدن تعداد جملات می توانیم
105
00:03:51,360 –> 00:03:54,799
از جملات نقطه blob با پیوند استفاده
106
00:03:54,799 –> 00:03:56,319
کنیم و می بینیم که سه
107
00:03:56,319 –> 00:03:59,200
جمله در بلوک متن وجود دارد
108
00:03:59,200 –> 00:04:01,439
، فرض کنید می خواستیم
109
00:04:01,439 –> 00:04:04,080
تعداد دفعاتی که آن روز آفتابی در حباب متن ما وجود دارد را بشماریم
110
00:04:04,080 –> 00:04:07,200
تا این کار را انجام دهیم که می توانیم از
111
00:04:07,200 –> 00:04:10,080
عبارات اسمی نقطه لکه ای استفاده کنیم و سپس
112
00:04:10,080 –> 00:04:12,319
روز آفتابی را قرار
113
00:04:12,319 –> 00:04:17,519
دهیم می توانیم روز آفتابی یک را دو سه بار
114
00:04:18,478 –> 00:04:20,160
ببینیم و آن را اجرا می کنیم و می توانیم ببینیم
115
00:04:20,160 –> 00:04:23,199
تعداد صحیح سه
116
00:04:24,400 –> 00:04:26,639
را دریافت کنید، اجازه دهید به نحوه شناسایی و
117
00:04:26,