Riepilogo

Natural Language Processing con spaCy

Azadeh Mobasher

Principal data scientist

Capitolo 1 - Introduzione a NLP e spaCy

Usa le pipeline di elaborazione testo di spaCy per estrarre caratteristiche linguistiche:

Pipeline linguistica di spaCy

Lavora con le classi di spaCy come Doc, Token e Span e predici somiglianze semantiche con i word vectors:

Analogie e operazioni sui vettori

Scrivi pattern di matching per estrarre termini e frasi con Matcher e PhraseMatcher di 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)

Esempio di NER in ambito medico

Natural Language Processing con spaCy