在前兩篇,我們將影片評論的資料做了資料處理,也根據自然語言分析的幾個基本概念做了資料過濾及詞彙Entity的抽取及計算相關機率。在今天的實作,我們將繼續帶大家進到,使用Azure Machine Learning Studio建置機器學習模型及模型評價的部分。
[24]Machine Learning Studio自然語言分析(1):資料處理及分類篇
[25]Machine Learning Studio自然語言分析(2):自然語言分析資料過濾篇及NLP簡單概論
大家辛苦了!!!在漫長的三篇文章,大家一起從0搭建了一個自然語言分析引擎!
恭喜大家~~
下面補一張總體架構圖提供大家參考
在實做的過程中,是不是覺得自己動手做Machine Learning實際上不是一件難事呢?
在Microsoft Azure Machine Learning Studio簡單操作的介面,我們輕輕鬆鬆也能做到機器學習及自然語言分析喔!好了~那我也要來去準備我的Natural Language Processing期末考了>"<(泣逃