Zählung von Nomen in einem Textausschnitt
In dieser Übung schreiben wir zwei Funktionen, nouns() und proper_nouns(), die jeweils die Anzahl der gewöhnlichen Nomen und der Eigennamen in einem Text zählen.
Diese Funktionen nehmen einen Text entgegen und erzeugen eine Liste mit den POS-Tags für jedes Wort. Anschließend geben sie die Anzahl der Eigennamen/anderen Nomen zurück, die im Text vorkommen. In der nächsten Übung nutzen wir diese Funktionen, um interessante Einblicke in Fake News zu gewinnen.
Das Modell en_core_web_sm wurde in dieser Übung bereits als nlp geladen.
Diese Übung ist Teil des Kurses
<Kurs>Feature Engineering für NLP in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
nlp = spacy.load('en_core_web_sm')
# Returns number of proper nouns
def proper_nouns(text, model=nlp):
# Create doc object
doc = model(text)
# Generate list of POS tags
pos = [token.pos_ for token in doc]
# Return number of proper nouns
return ____.____(____)
print(proper_nouns("Abdul, Bill and Cathy went to the market to buy apples.", nlp))