Python untuk Natural Language Processing

Python Basic

Beberapa fitur python yang digunakan antara lain:

• File Writing / Reading

  contoh:

    # contoh writing file
    with open('file.txt', 'w') as f:
        f.write('Hello World')
  
    # contoh reading file
    with open('file.txt', 'r') as f:
        print(f.read())
  

• PDF Writing / Reading

  contoh:

    # contoh writing pdf
    from fpdf import FPDF
    pdf = FPDF()
    pdf.add_page()
    pdf.set_font("Arial", size=12)
    pdf.cell(200, 10, txt="Hello World", ln=1, align="C")
    pdf.output("file.pdf")
  
    # contoh reading pdf
    import PyPDF2
    pdfFileObj = open('file.pdf', 'rb')
    pdfReader = PyPDF2.PdfFileReader(pdfFileObj)
    print(pdfReader.numPages)
    pageObj = pdfReader.getPage(0)
    print(pageObj.extractText())
    pdfFileObj.close()
  

• Regular Expression

  contoh:

    import re
  
    # contoh search
    text = 'Hello World'
    pattern = 'Hello'
    print(re.search(pattern, text))
  
    # contoh match, start, end
    text = 'Hello World'
    pattern = 'Hello'
    print(re.match(pattern, text))
    print(re.match(pattern, text).start())
    print(re.match(pattern, text).end())
  

Libraries

Ada beberapa libraries python yang berkaitan dengan Natural Language Processing. Beberapa diantaranya adalah:

• NLTK
• Spacy
• SciKit Learn

NLTK

NTLK adalah singkatan dari Natural Language Toolkit. NLTK merupakan library python yang digunakan untuk melakukan Natural Language Processing. NLTK memiliki beberapa fitur antara lain:

• Tokenization
• Stemming
• Lemmatization
• Stopwords
• Part of Speech Tagging

Spacy

Spacy adalah library python yang digunakan untuk melakukan Natural Language Processing. Spacy memiliki beberapa fitur antara lain:

• Tokenization
• Stemming
• Lemmatization
• Stopwords

Spacy sering digunakan untuk Lemmatization karena lebih akurat dibandingkan dengan NLTK.

SciKit Learn

SciKit Learn adalah library python yang digunakan untuk melakukan Natural Language Processing. Scikit Learn berisi algoritma-algoritma machine learning yang dapat digunakan untuk Natural Language Processing. SciKit Learn memiliki beberapa fitur antara lain:

• TF-IDF
• Count Vectorizer
• Train Test Split Dataset
• Confusion Matrix
• Classification Report

Dasar-Dasar NLP

Tokenization

Stemming

Lemmatization

Stopwords

Referensi

NLP - Natural Language Processing with Python