Подсчёт существительных в тексте
В этом упражнении мы напишем две функции — nouns() и proper_nouns(), — которые подсчитывают количество обычных существительных и имён собственных в тексте соответственно.
Каждая функция принимает текст и формирует список POS-тегов для каждого слова, а затем возвращает количество имён собственных или обычных существительных в этом тексте. В следующем упражнении мы используем эти функции, чтобы получить интересные выводы о фейковых новостях.
Модель en_core_web_sm уже загружена в переменную nlp.
Это упражнение является частью курса
Конструирование признаков для NLP на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
nlp = spacy.load('en_core_web_sm')
# Returns number of proper nouns
def proper_nouns(text, model=nlp):
# Create doc object
doc = model(text)
# Generate list of POS tags
pos = [token.pos_ for token in doc]
# Return number of proper nouns
return ____.____(____)
print(proper_nouns("Abdul, Bill and Cathy went to the market to buy apples.", nlp))