کتاب پردازش زبان طبیعی در عمل (Natural Language Processing in Action)، شما را در ساخت ماشین هایی راهنمایی می‌کند که زبان انسان را با استفاده از قدرت پایتون و اکو سیستم پکیج‌های اختصاصی آن در پردازش زبان طبیعی (NLP) و هوش مصنوعی (AI) می‌فهمند.

کتاب Natural Language Processing in Action، رویکرد‌های NLP سنتی را بسط داده و شامل شبکه‌های عصبی، الگوریتم‌های مدرن یادگیری عمیق و تکنیک‌های مولد می‌شود تا از پس مسائل دنیای واقعی مثل استخراج اسامی و تاریخ ها، نوشتن متن و پاسخ دادن به سوالات بدون ساختار مشخص بر آیید.

بر اساس تخمین‌های صنعت، بیش از ۸۰ درصد داده‌های تولید شده به صورت قالب‌های بدون ساختار است، مثل فرمت متن، عکس، صوت، ویدئو و ... .در حالی که ما داریم صحبت می‌کنیم، می‌نویسیم، توییت میکنیم، از پلتفرم‌های شبکه‌های اجتماعی استفاده می‌کنیم، بر روی پلتفرم‌های مختلف پیام رسانی، پیام ارسال می‌کنیم یا در حال خرید در فروشگاه‌های الکترونیکی هستیم، در حال تولید داده هستیم. بیشتر این داده‌ها در قالب متن وجود دارند.

بنابراین داده‌های بدون ساختار چه چیزی هستند؟ داده‌های بدون ساختار اطلاعاتی هستند که در یک پایگاه داده رابطه ای سنتی وجود ندارند. برای مثال اسناد، بلاگ ها، فید‌های رسانه‌های اجتماعی، تصاویر و ویدئو ها. داده‌های متنی بیشتر از ۵۰ درصد داده‌های بدون ساختار را تشکیل داده اند.

اما پردازش زبان طبیعی که عموما با NLP نیز شناخته می‌شود چیست؟ همه ما می‌دانیم که ماشین‌ها و الگوریتم‌ها درکی از متون و کاراکتر‌ها ندارند، بنابراین خیلی مهم است که بتوانیم متن را به فرمت قابل فهم برای ماشین (مثل اعداد یا باینری) تبدیل کنیم تا برای هر نوع آنالیزی بر روی داده‌های متنی قابل استفاده شوند. این که کاری کنیم که ماشین‌ها زبان انسان‌ها (داده‌های متنی) را بفهمند و ترجمه کنند را اصطلاحا پردازش زبان طبیعی گویند.