NER com NLTK

Agora você vai se divertir com reconhecimento de entidades nomeadas! Um artigo de notícias raspado já foi carregado no seu ambiente. Sua tarefa é usar o nltk para encontrar as entidades nomeadas nesse artigo.

Sobre o que o artigo pode ser, considerando os nomes que você encontrou?

Além do nltk, sent_tokenize e word_tokenize de nltk.tokenize já foram importados previamente.

Este exercício faz parte do curso

Introdução ao Processamento de Linguagem Natural em Python

Ver curso

Instruções do exercício

Tokenize article em frases.
Tokenize cada frase em sentences em palavras usando uma list comprehension.
Em uma list comprehension, marque cada frase tokenizada com classes gramaticais usando nltk.pos_tag().
Separe cada frase etiquetada em blocos de entidades nomeadas usando nltk.ne_chunk_sents(). Junto com pos_sentences, especifique também o argumento nomeado binary=True.
Faça um loop por cada frase e por cada bloco, e verifique se é um bloco de entidade nomeada testando se ele tem o atributo label e se chunk.label() é igual a "NE". Se for, imprima esse bloco.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Tokenize the article into sentences: sentences
sentences = ____

# Tokenize each sentence into words: token_sentences
token_sentences = [____ for sent in ____]

# Tag each tokenized sentence into parts of speech: pos_sentences
pos_sentences = [____ for sent in ____] 

# Create the named entity chunks: chunked_sentences
chunked_sentences = ____

# Test for stems of the tree with 'NE' tags
for sent in chunked_sentences:
    for chunk in sent:
        if hasattr(chunk, "label") and ____ == "____":
            print(chunk)

Editar e executar o código