Natural Language Processing Recipes

Libro técnico en formato de recetario (cookbook) publicado por Apress, orientado a resolver problemas comunes de analítica de texto mediante soluciones concretas y listas para usar con Python 3. Está dirigido a científicos de datos, desarrolladores e ingenieros de software de nivel intermedio que ya conocen la sintaxis de Python y buscan fórmulas prácticas, modulares y directas para limpiar, transformar y modelar texto sin tener que deducir la teoría matemática desde cero.

Organizado según la estructura problema-solución-explicación, el libro abarca un abanico muy amplio de técnicas y librerías del ecosistema de datos de Python, tales como NLTK, spaCy, TextBlob, BeautifulSoup, Scikit-learn, Gensim y Keras. Cubre la extracción de texto desde distintas fuentes (páginas web, archivos PDF, documentos Word y JSON/CSV), preprocesamiento y limpieza (tokenización, lematización, corrección ortográfica, stopwords), vectorización e ingeniería de características (Bag of Words, TF-IDF, Word2Vec, GloVe), etiquetado morfosintáctico (POS), reconocimiento de entidades nombradas (NER), análisis de sentimientos con VADER y TextBlob, modelado de temas mediante Latent Dirichlet Allocation (LDA) y redes neuronales recurrentes (LSTM) para clasificación de texto.

Además de las decenas de recetas independientes, el libro incluye casos de aplicación a nivel industrial, como un sistema de agrupamiento no supervisado de quejas de clientes utilizando K-means sobre vectores TF-IDF y un motor de recuperación de información basado en similitud de texto. Su mayor fortaleza radica en su practicidad: es una referencia de consulta rápida ideal para resolver incidencias cotidianas de ingeniería de datos textuales. Deja fuera el desarrollo exhaustivo de la teoría estadística profunda y los transformadores de última generación (abordados en ediciones posteriores), siendo un excelente complemento de código para el trabajo del día a día.