Memberi Tag pada Kata dengan spaCy
Membaca POS dan tag terperinci
Memberi Tag pada Kata dengan spaCy adalah pelajaran NLP Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar NLP Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus NLP Academy mencakup 4 pelajaran total.
Label spaCy untuk Anda
Anda tidak perlu memberi label pada kata secara manual. spaCy membaca kalimat dan secara otomatis menetapkan kelas kata untuk setiap token. ⚡
Muat Model
Pertama, muat model yang telah dilatih. Model bahasa Inggris kecil en_core_web_sm langsung dapat memberi label, mengurai, dan mengenali entitas.
import spacy
nlp = spacy.load("en_core_web_sm")Proses Teks Anda
Panggil nlp() pada sebuah string untuk mendapatkan Doc. Doc menyimpan setiap token beserta label yang telah ditentukan oleh spaCy untuk Anda.
doc = nlp("The cat sleeps quietly")Ulangi Token
Doc dapat diiterasi, jadi Anda dapat menelusurinya token demi token. Setiap token adalah objek kaya informasi yang membawa teks dan informasi gramatikalnya.
for token in doc:
print(token.text)Baca Label Kasar
Setiap token memiliki atribut pos_ yang menyimpan label universalnya, seperti NOUN atau VERB. Garis bawah di akhir memberi Anda string yang mudah dibaca.
for token in doc:
print(token.text, token.pos_)Label Terperinci
Untuk informasi yang lebih terperinci, baca token.tag_. Atribut ini memberikan label khusus seperti VBZ untuk kata kerja kala kini, melampaui kategori umum pos_.
print(doc[2].text, doc[2].tag_)Jelaskan Label Apa Pun
Lupa arti sebuah kode? Panggil spacy.explain() dengan sebuah label, dan fungsi ini akan langsung mengembalikan penjelasan dalam bahasa yang mudah dipahami.
print(spacy.explain("VBZ"))Label Ditentukan oleh Konteks
spaCy menentukan setiap label berdasarkan keseluruhan kalimat, bukan tabel pencarian. Karena itu, book dapat diberi label NOUN atau VERB, bergantung pada penggunaannya.
Saring berdasarkan Kelas Kata
Setelah label tersedia, penyaringan menjadi mudah. Simpan hanya token yang pos_-nya sama dengan VERB untuk mengumpulkan semua kata tindakan dalam teks.
verbs = [t.text for t in doc if t.pos_ == "VERB"]Pemberian Label Itu Cepat
spaCy memberi label pada ribuan kata per detik, sehingga Anda dapat menjalankannya pada dokumen besar tanpa menunggu. spaCy dirancang untuk pekerjaan produksi nyata.
Satu Model, Banyak Tugas
Model yang sama juga menangani penguraian dan entitas. Pemberian label hanyalah salah satu bagian dari pipeline lengkap spaCy yang berjalan pada setiap Doc.
Pemeriksaan Singkat
Ingat kembali cara spaCy menyediakan label kelas kata.
Ringkasan
Anda telah memuat model, memproses teks, serta membaca pos_ dan tag_ untuk setiap token. spaCy mengubah kalimat mentah menjadi kata-kata berlabel hanya dalam beberapa baris. 🎉
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Memberi Tag pada Kata dengan spaCy” gratis?
Ya — teks lengkap “Memberi Tag pada Kata dengan spaCy” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus NLP Academy, upgrade ke CoddyKit PRO. Kursus NLP Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Memberi Tag pada Kata dengan spaCy”?
Membaca POS dan tag terperinci Kamu berlatih NLP Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai NLP Academy?
Tidak diperlukan pengalaman sebelumnya. NLP Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.
Berapa lama pelajaran “Memberi Tag pada Kata dengan spaCy” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran NLP Academy ini?
Ya. Setiap pelajaran NLP Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Kata Benda, Kata Kerja, dan Pentingnya Tag
- Memberi Tag pada Kata dengan spaCy
- Mengekstrak Frasa Berdasarkan Pola Tag
- Dasar-Dasar Penguraian Dependensi