NER com NLTK

Agora você vai se divertir com o reconhecimento de entidades nomeadas! Um artigo de notícias extraído foi pré-carregado em seu espaço de trabalho. Sua tarefa é usar o site nltk para encontrar as entidades nomeadas neste artigo.

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

Juntamente com nltk, sent_tokenize e word_tokenize de nltk.tokenize foram pré-importados.

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 lista de compreensão.
Dentro de uma lista de compreensão, marque cada sentença tokenizada em partes do discurso usando nltk.pos_tag().
Divida cada frase marcada em pedaços de entidades nomeadas usando nltk.ne_chunk_sents(). Junto com pos_sentences, especifique o argumento de palavra-chave adicional binary=True.
Faça um loop em cada frase e em cada bloco e teste se ele é um bloco de entidade nomeada, verificando se tem o atributo label e se chunk.label() é igual a "NE". Em caso afirmativo, imprima essa parte.

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