Wykrywanie nazwanych encji w nagłówkach wiadomości
Redakcje często oznaczają nazwane encje – takie jak osoby, miejsca czy organizacje – w nagłówkach artykułów, aby ułatwić wyszukiwanie, indeksowanie i rekomendacje. Twoim zadaniem jest użycie potoku Hugging Face do automatycznego wykrywania i grupowania tych encji w nagłówku wiadomości.
To ćwiczenie jest częścią kursu
Przetwarzanie języka naturalnego (NLP) w Pythonie
Instrukcje do ćwiczenia
- Utwórz
ner_pipelinez wykorzystaniem modelu"dslim/bert-base-NER". - Wyodrębnij nazwane encje z podanego
headline.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
from transformers import pipeline
# Create the NER pipeline
ner_pipeline = pipeline(
task="____",
model="____",
grouped_entities=True
)
headline = "Apple is planning to open a new office in San Francisco next year."
# Get named entities
entities = ____
for entity in entities:
print(f"{entity['entity_group']}: {entity['word']}")