始める無料で始める

戯曲を幕（Act）に分割する

非構造テキストを階層的な語彙グラフに変換するには、各語彙エンティティごとにスプリッターを作成し、順番に分割していく反復的なプロセスが必要です。

この演習では、戯曲『Romeo and Juliet』を幕（Act）ごとに分割するスプリッターを設計します。以下は戯曲の構造のプレビューです。

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...
...

この演習はコースの一部です

Graph RAG with LangChain and Neo4j

コースを見る

演習の手順

  • splitters 引数を更新し、\n\nACT のパターンでもテキストを分割するようにします。
  • act_splitter を構成し、separators リストを正規表現として扱うように設定します。
  • act_splitter を使って romeo_and_juliet を分割します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

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])
コードを編集して実行