เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การเพิ่ม pipe ใน spaCy

โดยทั่วไปเราจะใช้โมเดล spaCy ที่มีอยู่แล้วสำหรับงาน NLP ต่าง ๆ อย่างไรก็ตาม ในบางกรณี pipeline component สำเร็จรูป เช่น การแบ่งประโยค (sentence segmentation) อาจใช้เวลานานกว่าจะได้ผลลัพธ์ตามที่ต้องการ แบบฝึกหัดนี้จะฝึกการเพิ่ม pipeline component เข้าไปในโมเดล spaCy (text processing pipeline)

จะใช้รีวิวห้ารายการแรกจากชุดข้อมูล Amazon Fine Food Reviews โดยเข้าถึงรีวิวเหล่านี้ผ่านสตริง texts

แพ็กเกจ spaCy ถูก import ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การประมวลผลภาษาธรรมชาติด้วย spaCy

ดูคอร์ส

คำแนะนำการฝึกหัด

  • โหลดโมเดล spaCy ภาษาอังกฤษแบบว่างเปล่า แล้วเพิ่ม component sentencizer เข้าไปในโมเดล
  • สร้าง Doc container สำหรับ texts จากนั้นสร้างลิสต์เพื่อเก็บ sentences ของเอกสารนั้น และแสดงจำนวนประโยคทั้งหมด
  • แสดงรายการ token ในประโยคที่สองจากลิสต์ sentences

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Load a blank spaCy English model and add a sentencizer component
nlp = spacy.____("en")
nlp.____("sentencizer")

# Create Doc containers, store sentences and print its number of sentences
doc = ____
sentences = [____ for s in ____]
print("Number of sentences: ", len(____), "\n")

# Print the list of tokens in the second sentence
print("Second sentence tokens: ", [____ for ____ in sentences[1]])
แก้ไขและรันโค้ด