พื้นฐานการแยกวิเคราะห์ความสัมพันธ์
ดูว่าคำเชื่อมโยงกันในประโยคอย่างไร
พื้นฐานการแยกวิเคราะห์ความสัมพันธ์ เป็นบทเรียน NLP Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน NLP Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส NLP Academy มีบทเรียนทั้งหมด 4 บทเรียน
ก้าวข้ามป้ายกำกับเดี่ยว
ป้ายกำกับชนิดของคำบอกหน้าที่ของแต่ละคำ แต่ไม่ได้บอกว่าคำต่าง ๆ เชื่อมโยงกันอย่างไร การวิเคราะห์ความสัมพันธ์พึ่งพา จะแสดงให้เห็นว่าคำใดขึ้นอยู่กับคำใด และสร้างแผนผังของประโยคขึ้นมา 🔗
ประโยคในรูปแบบต้นไม้
ตัววิเคราะห์จะจัดเรียงคำต่าง ๆ เป็น ต้นไม้ คำหนึ่งจะกลายเป็นราก และคำอื่น ๆ จะแตกแขนงออกจากคำนั้นผ่านเส้นเชื่อมที่มีป้ายกำกับ
กริยาราก
ราก มักเป็นกริยาหลักที่ยึดประโยคไว้ ในประโยค The cat chased the mouse รากคือ chased
หัวและคำลูก
ทุกคำมี หัว ซึ่งคือคำที่คำนั้นเชื่อมติดอยู่ คำที่เชื่อมติดกับหัวจะเป็นคำลูกของหัวคำนั้น และรวมกันเป็นกิ่งก้านของต้นไม้
อ่านความสัมพันธ์
เส้นเชื่อมแต่ละเส้นมีป้ายกำกับที่เรียกว่า ความสัมพันธ์พึ่งพา ประธานจะมีป้ายกำกับเป็น nsubj ส่วนกรรมตรงจะมีป้ายกำกับเป็น dobj
spaCy วิเคราะห์โครงสร้างให้โดยไม่เสียค่าใช้จ่าย
โมเดลเดียวกับที่กำหนดป้ายกำกับคำยังวิเคราะห์โครงสร้างให้ด้วย หลังจากเรียกใช้ nlp() โทเค็นทุกตัวจะมีข้อมูลความสัมพันธ์พึ่งพาพร้อมให้อ่านอยู่แล้ว
doc = nlp("The cat chased the mouse")อ่าน dep_ และ head
ใช้ token.dep_ เพื่อดูความสัมพันธ์ และใช้ token.head เพื่อดูคำที่โทเค็นนั้นเชื่อมติดอยู่ ทั้งสองอย่างนี้อธิบายตำแหน่งของโทเค็นในต้นไม้ร่วมกัน
for t in doc:
print(t.text, t.dep_, t.head.text)ค้นหาประธาน
หากต้องการหาว่าใครเป็นผู้กระทำ ให้ค้นหาโทเค็นที่มีค่า dep_ เท่ากับ nsubj คำนั้นคือประธานทางไวยากรณ์ของกริยา
subj = [t.text for t in doc if t.dep_ == "nsubj"]อธิบายความสัมพันธ์
ไม่แน่ใจว่าป้ายกำกับหมายถึงอะไรใช่ไหม ส่งป้ายกำกับนั้นให้ spacy.explain() เพื่อรับคำอธิบายที่ชัดเจน เช่นเดียวกับที่คุณทำกับป้ายกำกับ POS
print(spacy.explain("dobj"))แสดงภาพต้นไม้
แสดงผลการวิเคราะห์ด้วย displacy กำหนดรูปแบบเป็น dep แล้วระบบจะวาดลูกศรที่มีป้ายกำกับจากหัวแต่ละคำไปยังคำลูก
from spacy import displacy
displacy.render(doc, style="dep")เหตุใดการวิเคราะห์โครงสร้างจึงสำคัญ
ความสัมพันธ์พึ่งพาช่วยเปิดเผยความหมายที่แท้จริง เช่น การเชื่อมการกระทำเข้ากับผู้กระทำและเป้าหมาย โครงสร้าง นี้ช่วยขับเคลื่อนการดึงข้อมูล การค้นหา และการตอบคำถาม
ตรวจสอบอย่างรวดเร็ว
ลองทบทวนว่าประธานได้รับการระบุไว้อย่างไรในการวิเคราะห์โครงสร้าง
สรุปทบทวน
คุณได้เห็นประโยคในรูปแบบต้นไม้ที่ประกอบด้วย หัว และคำลูก อ่าน dep_ ใน spaCy และวาดผลการวิเคราะห์ด้วย displacy แล้ว ตอนนี้คุณสามารถทำแผนผังแสดงความสัมพันธ์ระหว่างคำได้ 🎉
คำถามที่พบบ่อย
บทเรียน “พื้นฐานการแยกวิเคราะห์ความสัมพันธ์” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “พื้นฐานการแยกวิเคราะห์ความสัมพันธ์” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส NLP Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส NLP Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “พื้นฐานการแยกวิเคราะห์ความสัมพันธ์”
ดูว่าคำเชื่อมโยงกันในประโยคอย่างไร คุณปฏิบัติ NLP Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน NLP Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน NLP Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน
บทเรียน “พื้นฐานการแยกวิเคราะห์ความสัมพันธ์” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน NLP Academy นี้ได้ไหม
ได้ บทเรียน NLP Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- คำนาม กริยา และเหตุใดแท็กจึงสำคัญ
- ติดแท็กคำด้วย spaCy
- ดึงวลีตามรูปแบบแท็ก
- พื้นฐานการแยกวิเคราะห์ความสัมพันธ์