Riconoscimento di entità denominate in spaCy
Le entità denominate sono oggetti del mondo reale che hanno un nome, per esempio città, persone, date o orari. Possiamo usare spaCy per trovare le entità denominate nel nostro testo trascritto.
In questo esercizio trascriverai call_4_channel_2.wav (file) usando transcribe_audio() e poi userai il modello linguistico di spaCy, en_core_web_sm, per convertire il testo trascritto in un doc di spaCy.
Trasformare il testo in un doc di spaCy ti permette di sfruttare le funzionalità integrate di spaCy per analizzare il testo, ad esempio .text per i token (singole parole), .sents per le frasi e .ents per le entità denominate.
Questo esercizio fa parte del corso
Elaborazione del linguaggio parlato in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
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(___))