Dane treningowe w odpowiednim formacie

Pamiętaj, że nie możesz przekazać surowego tekstu bezpośrednio do spaCy. Zamiast tego musisz utworzyć obiekt Example dla każdego przykładu treningowego. W tym ćwiczeniu przećwiczysz konwersję zbioru training_data zawierającego pojedyncze opatrzone adnotacjami zdanie na listę obiektów Example.

Model en_core_web_sm jest już zaimportowany i gotowy do użycia jako nlp. Klasa Example jest również zaimportowana.

To ćwiczenie jest częścią kursu

Przetwarzanie języka naturalnego z użyciem spaCy

Zobacz kurs

Instrukcje do ćwiczenia

Przejdź przez tekst i adnotacje w training_data, przekonwertuj tekst na kontener Doc i zapisz go w zmiennej doc.
Utwórz obiekt Example na podstawie obiektu doc i adnotacji każdego punktu danych treningowych, a wynik zapisz w zmiennej example_sentence.
Dodaj example_sentence do listy all_examples.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

example_text = 'A patient with chest pain had hyperthyroidism.'
training_data = [(example_text, {'entities': [(15, 25, 'SYMPTOM'), (30, 45, 'DISEASE')]})]

all_examples = []
# Iterate through text and annotations and convert text to a Doc container
for text, annotations in training_data:
  doc = nlp(____)
  
  # Create an Example object from the doc contianer and annotations
  example_sentence = ____.____(doc, ____)
  print(example_sentence.to_dict(), "\n")
  
  # Append the Example object to the list of all examples
  all_examples.append(____)
  
print("Number of formatted training data: ", len(____))

Edytuj i uruchom kod