สรุปบทเรียน

การประมวลผลภาษาธรรมชาติด้วย spaCy

Azadeh Mobasher

Principal data scientist

บทที่ 1 - NLP และ spaCy เบื้องต้น

pipeline ภาษาของ spaCy

ทำงานกับคลาสของ spaCy เช่น Doc, Token และ Span และทำนายความคล้ายคลึงเชิงความหมายด้วย word vectors:

การเปรียบเปรยและการดำเนินการบนเวกเตอร์

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)

ตัวอย่าง NER ในโดเมนการแพทย์

การประมวลผลภาษาธรรมชาติด้วย spaCy