Confrontare il NER di NLTK con spaCy
Usando lo stesso testo del primo esercizio di questo capitolo, ora vedrai i risultati con l’annotatore NER di spaCy. Come si confronteranno?
L’articolo è stato precaricato come article. Per ridurre i tempi di esecuzione, ti verrà chiesto di specificare l’argomento con parola chiave disable=['tagger', 'parser', 'matcher'] quando carichi il modello di spaCy, perché in questo esercizio ti interessa solo entity.
Questo esercizio fa parte del corso
Introduzione al Natural Language Processing in Python
Istruzioni dell'esercizio
- Importa
spacy. - Carica il modello
'en_core_web_sm'usandospacy.load(). Specifica anche gli argomenti con parola chiavedisable=['tagger', 'parser', 'matcher']. - Crea un oggetto documento di
spacypassandoarticleanlp(). - Usando
entcome variabile di iterazione, scorri le entità didoce stampa le etichette (ent.label_) e il testo (ent.text).
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import spacy
____
# Instantiate the English model: nlp
nlp = ____
# Create a new document: doc
doc = ____
# Print all of the found entities and their labels
for ____ in ____:
print(____, ____)