Qoʻllanilishi: •
Imlolarni tekshirish
•
Qidiruv tizimni optimallashtirish
•
Kayfiyatlarni tahlil qilish
Pattern frameworkidan foydalanishning afzallik va kamchiliklari:
Afzalliklari Kamchiliklari +1) Data mining
-1) Muayyan NLP vazifalari uchun optimallashtirilmagan
+2) Tarmoqli tahlil va vizualizatsiya
Data Mining – inson faoliyatining turli sohalarida
zarur boʻlgan ma’lumotlarda ilgari muhim, ahamiyatli
boʻlgan, amaliy jihatdan foydali va tushunarli talqinlarni
aniqlash usullari toʻplamini belgilash uchun ishlatiladigan
umumiy nom.
5.
TextBlob – bu matnli ma’lumotlarni qayta
ishlashga moʻljallangan Python kutubxonasi.
Funktsiyalari: •
Soʻz turkumlarini teglash
•
Otli birikmalar ustida ishlash
•
Kayfiyat / tuygʻularni tahlil qilish
•
Matn tarjimasi
•
Tasniflash
•
Sintaktik tahlil
•
Wordnet integratsiyasi
Qoʻllanilishi: •
Kayfiyat / tuygʻularni tahlil qilish
•
Imloni tekshirish va xatoni bartaraf etish
•
Mashina tarjimasi
•
Nutqni tanish
TextBlob frameworkidan foydalanishning afzallik va kamchiliklari [12-13]:
Afzalliklari Kamchiliklari +1) Foydalanish oson
-1) Sekin ishlaydi
+2) NLTK uchun qulay interfeys
-2) Neyro-tarmoq modeli yoʻq
+3) Tarjima qilish va nutqni tushunishni taʻminlaydi
-3) Integratsiyalashgan soʻz vektorlari yoʻq
Xulosa. Ma’lum boʻlganidek, NLP – bu raqamli
texnologiyalar uchun matnni qulay va
foydali usulda tahlil
qilish
, tushunish va inson tilidan ma’no olish jarayonidir.
Tabiiy tilni qayta ishlash natijasida (NLPdan foydalanib),
aynan Python dasturlash tilining yuqorida imkoniyatlari
koʻrsatib oʻtilgan uning kutubxonalari yordamida, avtomatik
referatlash,
kompyuter
tarjimasi,
nomlangan
obyektni
aniqlash, nutq sintezatorini yaratish, tuygʻularni tahlil qilish,
nutqni tanish va matnlar segmentatsiyasi, soʻz turkumlarini
teglash, matnni tahlil qilish: tokenizatsiya, stemming,
lemmatizatsiya, parsing [2] kabi vazifalarni bajarish uchun
kompyuter dastuarlari va tizimlarini yaratish mumkin.
