spaCy 模型在通用 NLP 场景中非常好用，例如将文档切分为句子、理解句法结构、抽取命名实体。不过，有时您也需要对 spaCy 模型进行训练。
什么时候需要训练 spaCy 模型？请选择所有适用的选项。
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
本章将带您初步了解 NLP，以及它的一些应用场景，如命名实体识别和由 AI 驱动的聊天机器人。您将学习如何使用强大的 spaCy 库来完成多种自然语言处理任务，例如分词、句子切分、词性标注和命名实体识别。
学习语言学特征、词向量、语义相似度、类比关系，以及词向量运算。在本章中，您将了解如何使用 spaCy 提取词向量，对与给定主题相关的文本进行分类，并从语料库或 spaCy 模型词汇表中找到与给定词语在语义上相似的术语。
熟悉 spaCy 的管道组件、如何添加管道组件，以及如何分析 NLP 管道。您还将学习基于规则的信息抽取的多种方法，包括使用 spaCy 中的 EntityRuler、Matcher 和 PhraseMatcher 类，以及 Python 的 RegEx 包。
探索多个真实使用场景中 spaCy 模型可能失效的情况，并学习如何进一步训练以提升模型表现。您将认识 spaCy 的训练流程，理解如何在现有 spaCy 模型上继续训练或从零开始训练，并在推理阶段对模型进行评估。
当前练习
