Reconnaissance d'entités nommées avec spaCy
Les entités nommées sont des objets du monde réel qui portent un nom, par exemple des villes, des personnes, des dates ou des heures. Nous pouvons utiliser spaCy pour repérer les entités nommées dans notre texte transcrit.
Dans cet exercice, vous allez transcrire call_4_channel_2.wav (fichier) à l'aide de transcribe_audio() puis utiliser le modèle linguistique de spaCy, en_core_web_sm, pour convertir le texte transcrit en objet doc de spaCy.
Transformer le texte en doc spaCy permet de profiter des fonctionnalités intégrées de spaCy pour l'analyse de texte, par exemple .text pour les jetons (mots uniques), .sents pour les phrases et .ents pour les entités nommées.
Cette activité fait partie du cours
Traitement de la langue parlée en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
import spacy
# Transcribe call 4 channel 2
call_4_channel_2_text = transcribe_audio("call_4_channel_2.wav")
# Create a spaCy language model instance
nlp = spacy.load("en_core_web_sm")
# Create a spaCy doc with call 4 channel 2 text
doc = nlp(____)
# Check the type of doc
print(type(___))