NLTK ile spaCy NER karşılaştırması

Bu bölümün ilk egzersizinde kullandığın aynı metni kullanarak, şimdi spaCy'nin NER ek açıklayıcısıyla sonuçları göreceksin. Nasıl karşılaştırılıyorlar?

Makale article olarak önceden yüklendi. Çalışma süresini kısaltmak için, bu egzersizde yalnızca entity ile ilgilendiğin için spaCy modelini yüklerken disable=['tagger', 'parser', 'matcher'] anahtar argümanını belirtmen istenecek.

Bu egzersiz

Python ile Doğal Dil İşlemeye Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

spacy'yi içe aktar.
spacy.load() kullanarak 'en_core_web_sm' modelini yükle. Ek olarak disable=['tagger', 'parser', 'matcher'] anahtar argümanlarını belirt.
article'ı nlp()'ye geçirerek bir spacy doküman nesnesi oluştur.
Yineleyici değişkenin ent olacak şekilde, doc varlıkları üzerinde yineleme yap ve etiketleri (ent.label_) ile metni (ent.text) yazdır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import spacy
____

# Instantiate the English model: nlp
nlp = ____

# Create a new document: doc
doc = ____

# Print all of the found entities and their labels
for ____ in ____:
    print(____, ____)

Kodu Düzenle ve Çalıştır