Lab02 Використання KNIME для аналітики текстових даних.
Завдання
Дані для аналізу
Обробка природніх мов
001-Предмет, типові задачі та методи обробки природних мов
001.1 Токенізація URL
001.2 Part-of-speech tagging URL
001.3 Named Entity Recognition (NER)
001.4 Stemming and Lemmatization
001.5 Stop words removal
001.6 Sentiment Analysis
001.7 Dependency parsing
001.8 Text classification
001.9 Machine Translation
001.10 Speech recognition
001.11 Text Generation
001.12 Summarization
001.13 Coreference resolution
001.14. Word Sense Disambiguation
001.15 Question Answering
002.1 Створення словника
002.2 Bекторна модель документа
003 - Тематичне моделювання. Латентний семантичний аналіз.
004.1 - Тематичне моделювання. Приховане розміщення Діріхле.
004.2 - Тематичне моделювання. Сучасні методи
004.3 - GloVe.
004.4 Якість тематичної моделі
005 - Огляд архітектур нейронних мереж для NLP
005.1. Feedforward Neural Networks (FNNs)
005.2. Recurrent Neural Networks (RNNs)
005.3 LSTM
005.4 GRU
005.5 CNN
005.6 Transformers
005.7. Bidirectional Encoder Representations from Transformers (BERT)
005.8. Generative Pre-trained Transformers (GPT)
005.9. Sequence-to-Sequence (Seq2Seq)
005.10. Attention Mechanisms
005.11. ELECTRA
005.12. XLNett
006 - Представлення слів у Rn. Word2Vec. FastText. Оперування представленнями
007 - Згорточні нейронні мережі для обробки текстів
008 - Моделювання тексту за допомогою рекурентних нейронних мереж. RNN
009 - Моделювання тексту за допомогою нейронної мережі з довгою короткочасною пам'яттю. LSTM
010 - Перетворення послідовності в послідовність
011 - Модель трансформерів
012 - Механізм уваги
013.1 - Виявлення сутностей у тексті
013.2 Виявлення зв'язків між сутностями
014 - Діалогові системи