เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ประสิทธิภาพของโมเดลบนข้อมูลของคุณ

ในแบบฝึกหัดนี้ จะได้ฝึกประเมินโมเดลที่มีอยู่บนข้อมูลของตัวเอง โดยมีเป้าหมายเพื่อตรวจสอบประสิทธิภาพของโมเดลในการจำแนก entity label PRODUCT โดยเฉพาะ หากโมเดลสามารถจำแนก entity ประเภท PRODUCT ได้อย่างถูกต้องในสัดส่วนที่สูง (เช่น มากกว่า 75%) ก็ไม่จำเป็นต้องฝึกโมเดลเพิ่มเติมด้วยตัวอย่างของ PRODUCT แต่หากต่ำกว่านั้น ควรพิจารณาฝึกโมเดลเพื่อปรับปรุงความแม่นยำในการทำนาย entity PRODUCT

แบบฝึกหัดนี้ใช้รีวิวสองรายการจากชุดข้อมูล Amazon Fine Food Reviews ซึ่งเข้าถึงได้ผ่าน list ชื่อ texts

โมเดล en_core_web_sm ถูกโหลดไว้ให้แล้ว สามารถเรียกใช้ได้ผ่าน nlp() และโมเดลได้รันบน list texts แล้ว โดย documents ซึ่งเป็น list ของ Doc container พร้อมให้ใช้งาน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การประมวลผลภาษาธรรมชาติด้วย spaCy

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง list ชื่อ target_entities ที่รวบรวม entity ทั้งหมดจากแต่ละ document ใน documents โดย append tuple ของ (ข้อความของ entity, label ของ entity) เฉพาะเมื่อข้อความของ entity มีคำว่า Jumbo อยู่
  • สำหรับแต่ละ tuple ใน target_entities ให้ append True ลงใน list ชื่อ correct_labels หาก entity label (attribute ตัวที่สองใน tuple) คือ PRODUCT และ append False ในกรณีอื่น

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Append a tuple of (entities text, entities label) if Jumbo is in the entity
target_entities = []
for doc in ____:
  target_entities.extend([(ent.____, ent.____) for ent in doc.____ if "Jumbo" in ent.text])
print(target_entities)

# Append True to the correct_labels list if the entity label is `PRODUCT`
correct_labels = []
for ent in target_entities:
  if ____[1] == "PRODUCT":
    correct_labels.append(____)
  else:
    correct_labels.append(____)
print(correct_labels)
แก้ไขและรันโค้ด