Kom igångKom igång gratis

NER med spaCy

Namngiven entitetsigenkänning (NER) gör det enkelt att identifiera nyckelElement i ett dokument, till exempel namn på personer och platser. Det hjälper dig att sortera ostrukturerad data och hitta viktig information – vilket är avgörande när du arbetar med stora datamängder. I den här övningen tränar du på namngiven entitetsigenkänning.

en_core_web_sm har laddats åt dig som nlp. Tre kommentarer från datamängden Airline Travel Information System (ATIS) finns tillgängliga i en lista som heter texts.

Den här övningen är en del av kursen

Naturlig språkbehandling med spaCy

Visa kurs

Övningsinstruktioner

  • Skapa documents, en lista med alla Doc-behållare för varje text i texts, med hjälp av listomfattning.
  • Iterera genom doc.ents för varje doc-behållare och skriv ut varje entitets text och tillhörande etikett.
  • Skriv ut den sjätte tokenens text och entitetstypen för den andra Doc-behållaren.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Compile a list of all Doc containers of texts
documents = [____ for text in texts]

# Print the entity text and label for the entities in each document
for doc in documents:
    print([(____, ____) for ent in ____])
    
# Print the 6th token's text and entity type of the second document
print("\nText:", documents[1][5].____, "| Entity type: ", documents[1][5].____)
Redigera och kör kod