Encerramento

Processamento de Linguagem Natural com spaCy

Azadeh Mobasher

Principal data scientist

Capítulo 1 - Introdução a NLP e spaCy

Use os pipelines de processamento de texto do spaCy para extrair recursos linguísticos:

Pipeline de linguagem do spaCy

Trabalhe com classes do spaCy, como Doc, Token e Span, e preveja similaridades semânticas usando vetores de palavras:

Analogia e operações com vetores

Escreva padrões de correspondência para extrair termos e frases usando o Matcher e o PhraseMatcher do spaCy:

matcher = Matcher(nlp.vocab)
pattern = [{"LOWER": "good"}, {"LOWER": {"IN": ["morning", "evening"]}}]
matcher.add("morning_greeting", [pattern])

matcher = PhraseMatcher(nlp.vocab, attr = "LOWER")
patterns = [nlp.make_doc(term) for term in terms]
matcher.add("InvestmentTerms", patterns)

Exemplo de NER no domínio médico

Processamento de Linguagem Natural com spaCy