Riconoscimento di entità nominate

Feature Engineering per NLP in Python

Rounak Banik

Data Scientist

Applicazioni

  • Algoritmi di ricerca efficienti
  • Question answering
  • Classificazione di articoli di news
  • Assistenza clienti
Feature Engineering per NLP in Python

Riconoscimento di entità nominate

  • Individuare e classificare entità nominate in categorie predefinite.
  • Categorie: persona, organizzazione, paese, ecc.
    "John Doe is a software engineer working at Google. He lives in France."
  • Entità nominate
  • John Doe → persona
  • Google → organizzazione
  • France → paese (entità geopolitica)
Feature Engineering per NLP in Python

NER con spaCy

import spacy
string = "John Doe is a software engineer working at Google. He lives in France."

# Load model and create Doc object
nlp = spacy.load('en_core_web_sm')
doc = nlp(string)


# Generate named entities
ne = [(ent.text, ent.label_) for ent in doc.ents]
print(ne)

[('John Doe', 'PERSON'), ('Google', 'ORG'), ('France', 'GPE')]
Feature Engineering per NLP in Python

Annotazioni NER in spaCy

Documentazione spaCy sulle annotazioni NER

Feature Engineering per NLP in Python

Una nota di cautela

  • Non perfetto
  • Prestazioni dipendenti da dati di training e test
  • Allena modelli con dati specializzati per casi sfumati
  • Specifico per lingua
Feature Engineering per NLP in Python

Esercitiamoci!

Feature Engineering per NLP in Python

Preparing Video For Download...