總結

使用 spaCy 的自然語言處理

Azadeh Mobasher

Principal data scientist

第 1 章-NLP 與 spaCy 入門

 

  • 使用 spaCy 的文字處理 pipeline 萃取語言特徵:

 

spaCy 語言處理流程

使用 spaCy 的自然語言處理

第 2 章-spaCy 語言標註與詞向量

  • 操作 spaCyDocTokenSpan 類別,並用詞向量預測語意相似度:

類比與向量運算

使用 spaCy 的自然語言處理

第 3 章-用 spaCy 做資料分析

  • 撰寫比對樣式,用 spaCyMatcherPhraseMatcher 擷取術語與片語:

 

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)
使用 spaCy 的自然語言處理

第 4 章-自訂 spaCy 模型

 

  • 標註並準備資料以進行訓練
  • 訓練 spaCy 模型並在推論時使用

 

醫療領域 NER 範例

使用 spaCy 的自然語言處理

延伸資源

使用 spaCy 的自然語言處理

恭喜完成!

使用 spaCy 的自然語言處理

Preparing Video For Download...