การรู้จำนิติบุคคลและชื่อเฉพาะ

Feature Engineering for NLP in Python

Rounak Banik

Data Scientist

การประยุกต์ใช้งาน

  • อัลกอริทึมการค้นหาที่มีประสิทธิภาพ
  • การตอบคำถาม
  • การจัดหมวดหมู่บทความข่าว
  • บริการลูกค้า
Feature Engineering for NLP in Python

การรู้จำนิติบุคคลและชื่อเฉพาะ

  • การระบุและจัดประเภทชื่อเฉพาะตามหมวดหมู่ที่กำหนดไว้ล่วงหน้า
  • หมวดหมู่ได้แก่ บุคคล องค์กร ประเทศ เป็นต้น
    "John Doe is a software engineer working at Google. He lives in France."
  • ชื่อเฉพาะ (Named Entities)
  • John Doe → บุคคล
  • Google → องค์กร
  • France → ประเทศ (นิติบุคคลทางภูมิรัฐศาสตร์)
Feature Engineering for NLP in Python

NER ด้วย spaCy

import spacy
string = "John Doe is a software engineer working at Google. He lives in France."

# Load model and create Doc object
nlp = spacy.load('en_core_web_sm')
doc = nlp(string)


# Generate named entities
ne = [(ent.text, ent.label_) for ent in doc.ents]
print(ne)

[('John Doe', 'PERSON'), ('Google', 'ORG'), ('France', 'GPE')]
Feature Engineering for NLP in Python

NER annotations ใน spaCy

เอกสาร spaCy เกี่ยวกับ NER annotations

Feature Engineering for NLP in Python

ข้อควรระวัง

  • ไม่ได้แม่นยำ 100%
  • ประสิทธิภาพขึ้นอยู่กับข้อมูลที่ใช้ฝึกและทดสอบ
  • ฝึกโมเดลด้วยข้อมูลเฉพาะทางสำหรับกรณีที่ซับซ้อน
  • ขึ้นอยู่กับภาษาที่ใช้
Feature Engineering for NLP in Python

มาฝึกกันเถอะ!

Feature Engineering for NLP in Python

Preparing Video For Download...