Začněte nyníZačněte zdarma

Rozpoznávání entit pomocí spaCy

V tomto cvičení použiješ vestavěný rozpoznávač entit knihovny spaCy k extrakci jmen, dat a organizací z vyhledávacích dotazů. Knihovna spaCy je již naimportována a její anglický model je načten jako nlp.

Tvým úkolem je definovat funkci extract_entities(), která přijímá jediný argument message a vrací slovník, jehož klíče jsou typy nalezených entit a hodnoty jsou extrahované entity. Zahrnuté typy entit jsou uloženy v seznamu include_entities.

Toto cvičení je součástí kurzu

Building Chatbots in Python

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř slovník ents pro ukládání entit voláním dict.fromkeys() s argumentem include_entities.
  • Vytvoř dokument spaCy s názvem doc tak, že předáš message objektu nlp.
  • Iteruj přes entity v dokumentu (doc.ents).
  • Zkontroluj, zda atribut .label_ dané entity patří mezi ty, které nás zajímají. Pokud ano, přiřaď atribut .text entity do příslušného klíče ve slovníku ents.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Define included_entities
include_entities = ['DATE', 'ORG', 'PERSON']

# Define extract_entities()
def extract_entities(message):
    # Create a dict to hold the entities
    ents = ____
    # Create a spacy document
    doc = ____
    for ent in ____:
        if ____ in ____:
            # Save interesting entities
            ents[____] = ____
    return ents

print(extract_entities('friends called Mary who have worked at Google since 2010'))
print(extract_entities('people who graduated from MIT in 1999'))
Upravit a spustit kód