텍스트에서 명사 세기

이 연습 문제에서는 텍스트 안의 보통 명사와 고유 명사 수를 각각 세는 두 함수 nouns()와 proper_nouns()를 작성해 보겠습니다.

이 함수들은 입력으로 텍스트를 받아 각 단어의 품사 태그 목록을 만든 다음, 텍스트에 포함된 고유 명사/기타 명사의 개수를 반환합니다. 다음 연습 문제에서는 이 함수들을 사용해 가짜 뉴스에 대한 흥미로운 인사이트를 도출할 거예요.

이 연습에서는 en_core_web_sm 모델이 이미 nlp로 로드되어 있습니다.

이 연습은 강의의 일부입니다

Python으로 배우는 NLP 피처 엔지니어링

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

nlp = spacy.load('en_core_web_sm')

# Returns number of proper nouns
def proper_nouns(text, model=nlp):
  	# Create doc object
    doc = model(text)
    # Generate list of POS tags
    pos = [token.pos_ for token in doc]
    
    # Return number of proper nouns
    return ____.____(____)

print(proper_nouns("Abdul, Bill and Cathy went to the market to buy apples.", nlp))

코드 편집 및 실행