Belirteçler, Aralıklar ve Doc Nesneleri

spaCy size üç yapı taşı sunar: Doc, Token ve Span. Bunları öğrendiğinizde tüm kütüphanenin kapıları açılır.

Bir Doc, işlenmiş belgenin tamamıdır. Özgün metni, tüm belirteçleri ve spaCy'nin ürettiği bütün çözümlemeyi içerir.

Bir Doc dizine erişilebilir olduğundan konumuna göre tek bir öğe alabilirsiniz. Dizinleme, tıpkı bir Python listesinde olduğu gibi tek bir Token döndürür.

Bir Token, zengin üst verilerle birlikte tek bir metin birimidir: sözcük türü, kökü ve noktalama işareti olup olmadığı.

Token'lar is_stop, is_alpha ve is_punct gibi kullanışlı bayraklar taşır. Kendi denetimlerinizi yazmadan sözcükleri filtrelemenizi sağlarlar.

Bir Doc'u dilimlediğinizde ardışık belirteçlerden oluşan bir Span elde edersiniz. Kişi veya yer gibi ifadeler için idealdir.

Bir Span kopya değildir. Hâlâ Doc'un içindeki konuma işaret eder; bu nedenle konumunu bilir ve özgün çözümlemenin tamamını paylaşır.

Adlandırılmış varlıklar doc.ents içinde Span olarak görünür. Her biri sözcükleri, PERSON veya ORG gibi bir etiketle birlikte içerir.

spaCy ayrıca Span olarak sunulan temel isim öbekleri olan noun_chunks değerini sağlar. Bunlar, cümlenin sözünü ettiği şeyleri hızlıca çıkarmanın bir yoludur.

Cümlelere mi ihtiyacınız var? doc.sents üzerinde yineleyin. Her cümle bir Span olarak döner; böylece bölütleme sizin için zaten yapılmıştır.

Tüm bu işlemler boyunca özgün dize doc.text içinde korunur. Token'lar ve Span'ler görünüm niteliğindedir; yıkıcı düzenlemeler değildir.

Doc her şeyi içerir, dizinleme bir Token verir ve dilimleme bir Span verir. Varlıklar, isim öbekleri ve cümlelerin tümü Span olarak gelir. 🧩