Підсумок

Обробка природної мови (NLP) зі spaCy

Azadeh Mobasher

Principal data scientist

Розділ 1 — Вступ до NLP і spaCy

 

  • Використовуйте конвеєри обробки тексту spaCy, щоб видобувати мовні ознаки:

 

Конвеєр обробки мов у spaCy

Обробка природної мови (NLP) зі spaCy

Розділ 2 — Лінгвістичні анотації в spaCy та вектори слів

  • Працюйте з класами spaCy, як-от Doc, Token і Span, та прогнозуйте семантичну схожість за допомогою векторів слів:

Аналогії та векторні операції

Обробка природної мови (NLP) зі spaCy

Розділ 3 — Аналіз даних зі spaCy

  • Пишіть шаблони відповідності, щоб видобувати терміни й фрази за допомогою Matcher і PhraseMatcher у 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)
Обробка природної мови (NLP) зі spaCy

Розділ 4 — Налаштування моделей spaCy

 

  • Анотуйте та підготуйте дані до навчання
  • Тренуйте моделі spaCy і використовуйте їх під час інференсу

 

Приклад NER у медичній галузі

Обробка природної мови (NLP) зі spaCy

Рекомендовані ресурси

 

Обробка природної мови (NLP) зі spaCy

Вітаємо!

Обробка природної мови (NLP) зі spaCy

Preparing Video For Download...