Naamgedekte entiteiten in een zin

In deze oefening identificeren en classificeren we de labels van verschillende naamgedekte entiteiten in een tekst met een van spaCy’s statistische modellen. We controleren ook of deze labels kloppen.

Deze oefening maakt deel uit van de cursus

Feature Engineering voor NLP in Python

Cursus bekijken

Oefeninstructies

Gebruik spacy.load() om het model en_core_web_sm te laden.
Maak een Doc-instantie doc met text en nlp.
Loop over doc.ents om alle naamgedekte entiteiten en hun bijbehorende labels te printen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Load the required model
nlp = ____.____(____)

# Create a Doc instance 
text = 'Sundar Pichai is the CEO of Google. Its headquarters is in Mountain View.'
doc = ____

# Print all named entities and their labels
for ent in ____:
    print(____, ____)

Code bewerken en uitvoeren