빈 spaCy 모델에서 EntityRuler 사용하기

EntityRuler는 doc.ents에 엔티티를 추가할 수 있게 해줘요. 이는 고유 명칭 인식용 spaCy 파이프라인 컴포넌트인 EntityRecognizer와 결합해 정확도를 높일 수도 있고, 단독으로 사용해 규칙 기반 엔티티 인식 시스템을 구현할 수도 있어요. 이 연습 문제에서는 빈 spaCy 영어 모델에 EntityRuler 컴포넌트를 추가하고, 순수하게 규칙 기반 고유 명칭 인식을 사용해 주어진 text의 엔티티를 분류해 보겠어요.

spaCy 패키지는 이미 임포트되어 있고, 빈 spaCy 영어 모델이 nlp로 준비되어 있어요. 소문자 OpenAI와 Microsoft를 ORG로 분류하기 위한 patterns 목록도 미리 만들어 두었어요.

이 연습은 강의의 일부입니다

spaCy로 배우는 자연어 처리

강의 보기

연습 안내

파이프라인에 EntityRuler 컴포넌트를 생성해서 추가하세요.
제공된 패턴을 EntityRuler 컴포넌트에 추가하세요.
주어진 text에 모델을 실행해 해당 Doc 컨테이너를 만드세요.
Doc 컨테이너에 있는 모든 엔티티에 대해 (엔티티 텍스트, 엔티티 유형) 튜플을 출력하세요

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

nlp = spacy.blank("en")
patterns = [{"label": "ORG", "pattern": [{"LOWER": "openai"}]},
            {"label": "ORG", "pattern": [{"LOWER": "microsoft"}]}]
text = "OpenAI has joined forces with Microsoft."

# Add EntityRuler component to the model
entity_ruler = nlp.____("entity_ruler")

# Add given patterns to the EntityRuler component
entity_ruler.____(____)

# Run the model on a given text
doc = nlp(____)

# Print entities text and type for all entities in the Doc container
print([(ent.____, ent.____) for ent in doc.____])

코드 편집 및 실행