Kom igångKom igång gratis

Kompatibel träningsdata

Kom ihåg att du inte kan mata in rå text direkt till spaCy. I stället behöver du skapa ett Example-objekt för varje träningsexempel. I den här övningen får du öva på att konvertera training_data med en annoterad mening till en lista med Example-objekt.

Modellen en_core_web_sm är redan importerad och tillgänglig som nlp. Klassen Example är också importerad och klar att använda.

Den här övningen är en del av kursen

Naturlig språkbehandling med spaCy

Visa kurs

Övningsinstruktioner

  • Iterera genom texten och annotationerna i training_data, konvertera texten till en Doc-behållare och lagra den i doc.
  • Skapa ett Example-objekt med hjälp av doc-objektet och annotationerna för varje träningsdatapunkt, och lagra det i example_sentence.
  • Lägg till example_sentence i listan all_examples.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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(____))
Redigera och kör kod