NLP Academy · درس

اختيار نطاق N-Gram المناسب

وازن بين الإشارة وتضخم السمات

الدرس 4 من 413 خطوة

اختيار نطاق N-Gram المناسب درس مجاني في NLP Academy على CoddyKit. هذا هو الدرس 4 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في NLP Academy، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة NLP Academy 4 دروس في المجموع.

مفاضلة حقيقية

اختيار نطاق n-gram هو عملية موازنة. فالسياق الأوسع يساعد النموذج، لكنه قد يغرقك في سمات وضوضاء كثيرة.

تكلفة التوسّع

يمكن لكل زيادة في n أن تضاعف مفرداتك. ويعني هذا تضخم السمات تدريبًا أبطأ واستهلاكًا أكبر للذاكرة.

تضيف n-grams النادرة ضوضاء

غالبًا ما تظهر n-grams الطويلة مرة واحدة ولا تتكرر. ونادرًا ما تعمم هذه السمات النادرة جيدًا، وقد تدفع النموذج نحو فرط التخصيص.

ابدأ صغيرًا وبسيطًا

من أفضل البدايات استخدام (1, 2): أحاديات الكلمات مع ثنائياتها. فهذا يلتقط النفي والعبارات القصيرة دون أن يفجّر عدد السمات.

vec = CountVectorizer(ngram_range=(1, 2))

متى تستحق الثلاثيات استخدامها

استخدم (1, 3) فقط عندما تكون العبارات الثابتة المؤلفة من ثلاث كلمات مهمة، مثل اسم منتج. وإلا فنادرًا ما تعوّض الأعمدة الإضافية تكلفتها.

قلّص باستخدام min_df

اضبط min_df بحيث يجب أن تظهر n-gram في عدة مستندات حتى تُحتسب. وبذلك تُزال بهدوء العبارات التي تظهر مرة واحدة ولا تضيف إلا الضوضاء.

vec = CountVectorizer(ngram_range=(1, 3), min_df=3)

حدّه باستخدام max_features

يمكنك أيضًا تحديد ميزانية لـ vectorizer. إذ يُبقي max_features على المصطلحات الأعلى تكرارًا فقط، ويحافظ على عرض ثابت للمصفوفة.

vec = CountVectorizer(ngram_range=(1, 2), max_features=10000)

دع البيانات تحسم الأمر

لا تواصل التخمين إلى ما لا نهاية. جرّب عدة نطاقات وقارن نتائج التحقق. وستوضح لك البيانات النقطة التي تبدأ عندها المكاسب بالتسطح.

اضبطه تلقائيًا

ضع ngram_range في بحث شبكي ودَع scikit-learn يختبر النطاقات نيابةً عنك، ويختار الخيار الذي يحقق أفضل نتيجة عبر التحقق المتقاطع.

params = {"vec__ngram_range": [(1, 1), (1, 2), (1, 3)]}

راقب فرط التخصيص

إذا ارتفعت دقة التدريب كثيرًا بينما تأخرت دقة التحقق، فقد يكون نطاقك واسعًا أكثر من اللازم. وغالبًا ما يؤدي تقليص n إلى تعميم أفضل على النصوص الجديدة.

إعداد افتراضي معقول

في معظم مهام النصوص، يُعد ngram_range (1, 2) مع قيمة min_df صغيرة خط أساس قويًا وسريعًا. ولا تتوسع أكثر إلا عندما تستدعي الأدلة ذلك.

تحقق سريع

نموذجك الثلاثي يعاني فرط التخصيص ويتدرب ببطء. ما التغيير الواحد الذي يحارب تضخم السمات مباشرةً؟

أجب عليها في الدرس التفاعلي

مراجعة: اختيار نطاقك

ابدأ بـ (1, 2)، وقلّص باستخدام min_df، وحدّد العدد باستخدام max_features، ودَع التحقق يختار الفائز. يمكنك الآن نمذجة السياق باستخدام n-grams. 🚀

البدء مجانًا

تعلم Python مع معلم ذكاء اصطناعي — مجانًا

اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.

الدورات: 30
الدروس: 120

ابدأ التعلم مجانًا عرض الدورة الكاملة

الأسئلة الشائعة

هل درس «اختيار نطاق N-Gram المناسب» مجاني؟

نعم — نص درس «اختيار نطاق N-Gram المناسب» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة NLP Academy، انتقل إلى CoddyKit PRO. تتضمن دورة NLP Academy 4 دروس في المجموع.

ماذا ستتعلم في «اختيار نطاق N-Gram المناسب»؟

وازن بين الإشارة وتضخم السمات تتمرن على NLP Academy مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.

هل أحتاج إلى خبرة سابقة لأبدأ NLP Academy؟

لا تُشترط خبرة سابقة. NLP Academy على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 4 من أصل 4.

كم من الوقت يستغرق درس «اختيار نطاق N-Gram المناسب»؟

معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.

هل يمكنني كتابة وتشغيل أكواد في درس NLP Academy هذا؟

نعم. كل درس في NLP Academy يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.

جميع الدروس في هذه الدورة

← العودة إلى NLP Academy