Menag Perkataan dengan spaCy
Baca POS dan tag terperinci
Menag Perkataan dengan spaCy ialah pelajaran NLP Academy percuma di CoddyKit. Ini ialah pelajaran 2 daripada 4. Sebanyak 3 pelajaran dalam laluan pembelajaran ini boleh dibaca sepenuhnya secara percuma — selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan praktikal dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran NLP Academy, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus NLP Academy merangkumi sejumlah 4 pelajaran.
Tag spaCy untuk Anda
Anda tidak perlu melabelkan perkataan secara manual. spaCy membaca ayat dan memberikan golongan kata kepada setiap token secara automatik. ⚡
Muatkan Model
Mula-mula, muatkan model yang telah dilatih. Model bahasa Inggeris kecil en_core_web_sm boleh menandai, menghuraikan dan mengenal pasti entiti dengan serta-merta.
import spacy
nlp = spacy.load("en_core_web_sm")Proses Teks Anda
Panggil nlp() pada rentetan untuk mendapatkan Doc. Doc menyimpan setiap token bersama-sama tag yang telah ditentukan oleh spaCy untuk Anda.
doc = nlp("The cat sleeps quietly")Ulang Melalui Token
Doc boleh diulang, jadi Anda boleh menelusurinya token demi token. Setiap token ialah objek kaya yang membawa teks dan maklumat tatabahasa.
for token in doc:
print(token.text)Baca Tag Kasar
Setiap token mempunyai atribut pos_ yang menyimpan tag sejagat, seperti NOUN atau VERB. Garis bawah di hujung memberikan rentetan yang mudah dibaca.
for token in doc:
print(token.text, token.pos_)Tag Terperinci
Untuk mendapatkan maklumat lanjut, baca token.tag_. Atribut ini memberikan label tepat seperti VBZ untuk kata kerja kala kini, melangkaui kategori pos_ yang umum.
print(doc[2].text, doc[2].tag_)Terangkan Sebarang Tag
Terupa maksud sesuatu kod? Panggil spacy.explain() dengan tag dan fungsi itu mengembalikan penerangan dalam bahasa Inggeris mudah yang boleh Anda baca serta-merta.
print(spacy.explain("VBZ"))Tag Datang daripada Konteks
spaCy menentukan setiap tag berdasarkan keseluruhan ayat, bukannya jadual carian. Sebab itulah book boleh ditag sebagai NOUN atau VERB bergantung pada cara Anda menggunakannya.
Tapis Mengikut Golongan Kata
Setelah tag tersedia, penapisan menjadi mudah. Kekalkan 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"]Penandaan Itu Pantas
spaCy menandai ribuan perkataan sesaat, jadi Anda boleh menjalankannya pada dokumen besar tanpa menunggu. Ia dibina untuk kerja pengeluaran sebenar.
Satu Model, Banyak Tugas
Model yang sama turut mengendalikan penghuraian dan entiti. Penandaan hanyalah satu bahagian daripada saluran paip lengkap spaCy yang dijalankan pada setiap Doc.
Semakan Pantas
Ingat kembali cara spaCy menyediakan label golongan kata.
Imbas Kembali
Anda telah memuatkan model, memproses teks dan membaca kedua-dua pos_ serta tag_ untuk setiap token. spaCy menukar ayat mentah menjadi perkataan bertag dalam beberapa baris sahaja. 🎉
Pelajari Python dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Soalan Lazim
Adakah pelajaran “Menag Perkataan dengan spaCy” percuma?
Ya — sebanyak 3 pelajaran dalam laluan pembelajaran NLP Academy, termasuk “Menag Perkataan dengan spaCy”, boleh dibaca sepenuhnya secara percuma di web ini. Selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan interaktif dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Kursus NLP Academy merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “Menag Perkataan dengan spaCy”?
Baca POS dan tag terperinci Anda berlatih NLP Academy menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan NLP Academy?
Tiada pengalaman terdahulu diperlukan. Pembelajaran NLP Academy di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 2 daripada 4.
Berapa lamakah pelajaran “Menag Perkataan dengan spaCy” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran NLP Academy ini?
Ya. Setiap pelajaran NLP Academy menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Kata Nama, Kata Kerja dan Mengapa Tag Penting
- Menag Perkataan dengan spaCy
- Mengekstrak Frasa mengikut Corak Tag
- Asas Penghuraian Kebergantungan