Sammanfattning

Naturlig språkbehandling med spaCy

Azadeh Mobasher

Principal data scientist

Kapitel 1 – Introduktion till NLP och spaCy

Använd spaCys textbearbetningspipelines för att extrahera lingvistiska särdrag:

spaCy Language pipeline

Arbeta med spaCys klasser som Doc, Token och Span samt förutsäg semantiska likheter med ordvektorer:

Analogier och vektoroperationer

Skriv matchningsmönster för att extrahera termer och fraser med spaCys Matcher och PhraseMatcher:

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)

Exempel på namngiven entitetsigenkänning inom medicin

Naturlig språkbehandling med spaCy