การนับคำนามในข้อความ
ในแบบฝึกหัดนี้ เราจะเขียนฟังก์ชันสองตัว ได้แก่ nouns() และ proper_nouns() เพื่อนับจำนวนคำนามทั่วไปและคำนามเฉพาะในข้อความตามลำดับ
ฟังก์ชันเหล่านี้จะรับข้อความเป็น input แล้วสร้างลิสต์ที่เก็บ POS tag ของแต่ละคำ จากนั้นจะคืนค่าจำนวนคำนามเฉพาะหรือคำนามทั่วไปที่พบในข้อความนั้น เราจะนำฟังก์ชันทั้งสองนี้ไปใช้ในแบบฝึกหัดถัดไป เพื่อวิเคราะห์ข้อมูลที่น่าสนใจเกี่ยวกับข่าวปลอม
โมเดล en_core_web_sm ถูกโหลดไว้แล้วในตัวแปร nlp สำหรับแบบฝึกหัดนี้
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Feature Engineering for NLP in Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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))