CommencezCommencez gratuitement

Exercice de graphiques

Dans cet exercice, vous allez utiliser des entités nommées extraites et leurs regroupements à partir d'une série d'articles de journaux pour représenter la diversité des types d'entités nommées dans les articles.

Vous allez utiliser un defaultdict appelé ner_categories, dont les clés représentent chaque type de groupe d'entités nommées, et dont les valeurs servent à compter le nombre de chaque type d'entité nommée. Vous disposez d'une liste de phrases segmentées en syntagmes, chunked_sentences, semblable à celle du dernier exercice, mais cette fois avec des noms de catégories non binaires.

Vous pouvez utiliser hasattr() pour déterminer si chaque syntagme possède un 'label', puis utiliser simplement la méthode .label() du syntagme comme clé du dictionnaire.

Cette activité fait partie du cours

Introduction au traitement du langage naturel en Python

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create the defaultdict: ner_categories
ner_categories = ____
Modifier et exécuter le code