Podsumowanie

Przetwarzanie języka naturalnego z użyciem spaCy

Azadeh Mobasher

Principal data scientist

Rozdział 1 - Wprowadzenie do NLP i spaCy

Wykorzystanie potoków przetwarzania tekstu spaCy do ekstrakcji cech językowych:

Potok języka spaCy

Praca z klasami spaCy, takimi jak Doc, Token i Span, oraz przewidywanie podobieństw semantycznych przy użyciu wektorów słów:

Analogie i operacje na wektorach

Tworzenie wzorców dopasowania do ekstrakcji terminów i fraz za pomocą Matcher i PhraseMatcher w 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)

Przykład NER w domenie medycznej

Przetwarzanie języka naturalnego z użyciem spaCy