Analisis Sintaksis NLP dengan Python

Sebelum mempelajari bagaimana membuat sebuah aplikasi NLP dengan python, ada baiknya membaca tentang teori NLP : Natural Language Processing (NLP) .

Ada berbagai macam library pyhon yang digunakan dalam proses NLP ini

NLTK (Natural Language Toolkit)
- Features: Tokenization, Part Of Speech tagging (POS), Named Entity Recognition (NER), Classification, Sentiment analysis, Packages of chatbots.
- Use-cases: Recommendation systems, Sentiment analysis, Building chatbots.

spaCy
- Features: Tokenization, Part Of Speech tagging (POS), Named Entity Recognition (NER), Classification, Sentiment analysis, Dependency parsing, Word vectors.
- Use-cases: Autocomplete and autocorrect, Analyzing reviews, Summarization.

Gensim
- Features: Latent semantic analysis, Non-negative matrix factorization, TF-IDF.
- Use-cases: Converting documents to vectors, Finding text similarity, Text summarization.

Pattern
- Features: Tokenization, Part of Speech tagging, Named entity recognition, Parsing, Sentiment analysis.
- Use-cases: Spelling correction, Search engine optimization, Sentiment analysis.

TextBlob
- Features: Part-of-Speech tagging, Noun phrase extraction, Sentiment analysis, Classification, Language translation, Parsing, Wordnet integration.
- Use-cases: Sentiment Analysis, Spelling Correction, Translation and Language Detection.

Library NLTK

Pada kesempatan ini akan digunakan library dari NLTK

Natural Language Toolkit atau disingkat NLTK, adalah libray python untuk bekerja dengan permodelan teks. NLTK menyediakan alat yang baik mempersiapkan teks sebelum digunakan pada machine learning atau algoritma deep learning. Cara termudah untuk menginstall NLTK adalah menggunakan “pip” pada command line/terminal.