في عالم اليوم، حيث نتعرض لوابل من المعلومات، أصبحت القدرة على استخلاص رؤى ذات معنى من المحتوى الشامل أكثر أهمية من أي وقت مضى. سواء كنت عالم بيانات أو باحثًا أو مطورًا، فإن امتلاك الأدوات المناسبة يمكن أن يساعدك على تقسيم المستندات المعقدة إلى عناصرها الرئيسية. وهنا يأتي دور KeyBERT، وهي مكتبة بايثون قوية مصممة لاستخراج الكلمات الرئيسية والعبارات الرئيسية باستخدام تقنيات تضمين BERT.

ما هو كيبيرت؟

1. الفهم السياقي: يستخدم KeyBERT تضمينات BERT، مما يعني أنه يلتقط العلاقات السياقية بين الكلمات. كما أنهم يستخدمون تشابه جيب التمام للتحقق من تشابه السياق الذي ينتج عنه كلمات رئيسية أكثر صلة وذات معنى.

2. قابلية التخصيص: تتيح لك المكتبة تخصيص معلمات مختلفة، مثل n-grams وكلمات التوقف وتغيير النموذج واستخدام الذكاء الاصطناعي المفتوح المتكامل معها وعدد الكلمات الرئيسية المراد استخراجها، مما يجعلها قابلة للتكيف مع نطاق واسع من التطبيقات.

3. سهولة الاستخدام: تم تصميم KeyBERT ليكون سهل الاستخدام، مما يتيح للمبتدئين والمطورين المتمرسين البدء بسرعة بأقل قدر من الإعداد.

الشروع في العمل مع KeyBERT

قبل البدء باستخدام keyBERT، يجب أن يكون لديك لغة python مثبتة على جهازك. الآن، يمكنك بسهولة تثبيت مكتبة keyBERT باستخدام النقطة

pip install keybert

بمجرد التثبيت، قم بإنشاء ملف بايثون جديد في محرر التعليمات البرمجية الخاص بك واستخدم مقتطف الكود أدناه لاختبار المكتبة

from keybert import KeyBERT

# Initialize KeyBERT
kw_model = KeyBERT()

# Sample document
doc = "Machine learning is a fascinating field of artificial intelligence that focuses on the development of algorithms."

# Extract keywords
keywords = kw_model.extract_keywords(doc, top_n=5)

# Print the keywords
print(keywords)

في هذا المثال، يقوم KeyBERT بمعالجة مستند الإدخال واستخراج أهم خمس كلمات رئيسية ذات صلة.

التطبيقات

1. فهم التفضيلات: يمكن استخدام هذا لجمع تفضيلات المستخدم بناءً على قراءاتهم على أي منصة، مثل المقالات الإخبارية أو الكتب أو الأوراق البحثية.
2. إنشاء المحتوى: يمكن للمدونين والمسوقين استخدام KeyBERT للعثور على الموضوعات الشائعة على الإنترنت وتحسين محتواها.

خاتمة

في العالم حيث تكون البيانات وفيرة، فإن وجود أداة مثل keyBERT يمكن أن يستخرج المعلومات القيمة منها. باستخدام keyBERT، يمكنك استخراج المعلومات المخفية من البيانات النصية. أوصي بـ KeyBERT لواجهته سهلة الاستخدام، حيث أنني استخدمته شخصيًا لإكمال المشروع.

رابط إلى المستندات الرسمية

رابط لتوثيق keyBERT