Mulai sekarangMulai gratis

Memecah naskah menjadi Babak (Act)

Mengonversi teks tak terstruktur menjadi grafik leksikal hierarkis adalah proses iteratif yang mencakup membangun pemisah untuk setiap entitas leksikal, lalu memecah teks berdasarkan masing-masing entitas secara berurutan.

Dalam latihan ini, Anda akan merancang sebuah pemisah untuk membagi naskah sandiwara Romeo and Juliet menjadi babak (acts). Berikut cuplikan struktur naskahnya:

The Project Gutenberg eBook of Romeo and Juliet
This ebook is for the use of anyone anywhere in the United States...

**PROLOGUE:**

 Enter Chorus.

CHORUS.
Two households, both alike in dignity...

ACT I

SCENE I. A public place.
 Enter Sampson and Gregory armed with swords and bucklers.

SAMPSON.
Gregory, on my word, we’ll not carry coals...
...

Latihan ini merupakan bagian dari kursus

Graph RAG dengan LangChain dan Neo4j

Lihat Kursus

Instruksi latihan

  • Perbarui argumen splitters untuk juga membagi teks pada pola \n\nACT.
  • Konfigurasikan act_splitter agar memperlakukan daftar separators sebagai regular expression.
  • Bagi romeo_and_juliet menggunakan act_splitter.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

act_splitter = RecursiveCharacterTextSplitter(
  separators=[ 
    r"\n\nTHE PROLOGUE.",
    r"\n\n\*\*\* END",
    # Split by the word ACT
    r"____"
  ],
  # Configure the patterns as regular expressions
  ____=True
)

# Split the play using act_splitter
acts = act_splitter.____(____)

for act in acts:
  print(act.strip().split("\n")[0])
Edit dan Jalankan Kode