शुरू करेंमुफ़्त में शुरू करें

spaCy के साथ NER

Named entity recognition (NER) आपको किसी दस्तावेज़ के मुख्य तत्व, जैसे व्यक्तियों और स्थानों के नाम, आसानी से पहचानने में मदद करता है. यह असंरचित डेटा को व्यवस्थित करने और महत्वपूर्ण जानकारी का पता लगाने में सहायक है, जो बड़े डेटासेट के साथ काम करते समय बेहद ज़रूरी होता है. इस अभ्यास में, आप Named Entity Recognition का अभ्यास करेंगे.

en_core_web_sm आपके लिए nlp के रूप में लोड किया गया है. Airline Travel Information System (ATIS) डेटासेट से तीन कमेंट्स आपको texts नाम की एक लिस्ट में दिए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

spaCy के साथ Natural Language Processing

पाठ्यक्रम देखें

अभ्यास निर्देश

  • लिस्ट कॉम्प्रिहेंशन का उपयोग करके texts की हर टेक्स्ट के लिए सभी Doc कंटेनरों की एक लिस्ट documents तैयार करें.
  • हर doc कंटेनर के लिए, doc.ents पर इटरेट करके प्रत्येक entity का टेक्स्ट और संबंधित लेबल प्रिंट करें.
  • दूसरे Doc कंटेनर के छठे token का टेक्स्ट और उसका entity type प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Compile a list of all Doc containers of texts
documents = [____ for text in texts]

# Print the entity text and label for the entities in each document
for doc in documents:
    print([(____, ____) for ent in ____])
    
# Print the 6th token's text and entity type of the second document
print("\nText:", documents[1][5].____, "| Entity type: ", documents[1][5].____)
कोड संपादित करें और चलाएँ