Noções básicas de análise de dependências
Veja como as palavras se conectam em uma frase.
Noções básicas de análise de dependências é uma aula grátis de NLP Academy no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de NLP Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de NLP Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
Beyond Single Tags
POS tags name each word's job, but not how words connect. Dependency parsing reveals which word depends on which, building a sentence map. 🔗
Sentences as Trees
A parser arranges words into a tree. One word becomes the root, and every other word hangs off it through a labeled link.
The Root Verb
The root is usually the main verb that anchors the sentence. In The cat chased the mouse, the root is chased.
Heads and Children
Every word has a head, the word it attaches to. The words attached to it are its children, forming the branches of the tree.
Read the Relation
Each link has a label, the dependency relation. A subject is tagged nsubj, while a direct object is tagged dobj.
spaCy Parses Free
The same model that tags words also parses them. After nlp(), every token already carries its dependency information, ready to read.
doc = nlp("The cat chased the mouse")Read dep_ and head
Use token.dep_ for the relation and token.head for the word it attaches to. Together they describe the token's place in the tree.
for t in doc:
print(t.text, t.dep_, t.head.text)Find the Subject
To get who does the action, look for the token whose dep_ equals nsubj. That word is the grammatical subject of the verb.
subj = [t.text for t in doc if t.dep_ == "nsubj"]Explain a Relation
Unsure what a label means? Pass it to spacy.explain() and get a clear description, just like you did for POS tags.
print(spacy.explain("dobj"))Visualize the Tree
Render the parse with displacy. Set the style to dep and it draws labeled arrows from each head to its children.
from spacy import displacy
displacy.render(doc, style="dep")Why Parsing Matters
Dependencies unlock real meaning, like linking an action to its actor and target. This structure powers extraction, search, and question answering.
Quick Check
Recall how subjects are marked in a parse.
Recap
You saw sentences as trees of heads and children, read dep_ in spaCy, and drew the parse with displacy. Now you can map how words relate. 🎉
Perguntas Frequentes
A aula “Noções básicas de análise de dependências” é grátis?
Sim — o texto completo de “Noções básicas de análise de dependências” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de NLP Academy, atualize para CoddyKit PRO. O curso de NLP Academy inclui 4 aulas no total.
O que vou aprender em “Noções básicas de análise de dependências”?
Veja como as palavras se conectam em uma frase. Você pratica NLP Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar NLP Academy?
Nenhuma experiência prévia é necessária. NLP Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.
Quanto tempo leva a aula “Noções básicas de análise de dependências”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de NLP Academy?
Sim. Cada aula de NLP Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Substantivos, verbos e por que as marcações importam
- Marcando palavras com spaCy
- Extraindo frases por padrão de marcações
- Noções básicas de análise de dependências