or
Acest exercițiu face parte din cursul
Acest capitol te va introduce în NLP și în câteva dintre cazurile sale de utilizare, precum recunoașterea entităților denumite și chatboții bazați pe inteligență artificială. Vei învăța cum să folosești puternica bibliotecă spaCy pentru a realiza diverse sarcini de procesare a limbajului natural, cum ar fi tokenizarea, segmentarea propozițiilor, marcarea POS și recunoașterea entităților denumite.
Descoperă caracteristicile lingvistice, vectorii de cuvinte, similaritatea semantică, analogiile și operațiile cu vectori de cuvinte. În acest capitol vei afla cum să folosești spaCy pentru a extrage vectori de cuvinte, a categoriza texte relevante pentru un anumit subiect și a găsi termeni similari semantic față de cuvinte date dintr-un corpus sau din vocabularul unui model spaCy.
Familiarizează-te cu componentele pipeline-ului spaCy, cu modul de adăugare a unei componente și cu analiza pipeline-ului NLP. Vei învăța, de asemenea, mai multe abordări pentru extragerea de informații bazată pe reguli, folosind clasele EntityRuler, Matcher și PhraseMatcher din spaCy, precum și pachetul Python RegEx.
Explorează mai multe cazuri de utilizare din lumea reală în care modelele spaCy pot eșua și învață cum să le antrenezi în continuare pentru a îmbunătăți performanța. Vei fi introdus în etapele de antrenare spaCy și vei înțelege cum să antrenezi un model spaCy existent sau de la zero, precum și cum să evaluezi modelul la momentul inferenței.
Exercițiul curent