基于您的数据评估模型表现

在本练习中，您将练习在自己的数据上评估现有模型。这里的目标是检查模型在特定实体标签 PRODUCT 上的表现。如果模型能够准确分类较大比例的 PRODUCT 实体（例如超过 75%），则无需在 PRODUCT 实体示例上继续训练模型；否则，您应考虑对模型进行训练，以提升其在 PRODUCT 实体预测上的表现。

本练习将使用 Amazon Fine Food Reviews 数据集中的两条评论。您可以通过 texts 列表访问这些评论。

en_core_web_sm 模型已为您加载，可通过调用 nlp() 访问。模型也已经在 texts 列表上运行完毕，documents（一个由 Doc 容器组成的列表）可供您使用。

本练习是课程的一部分

使用 spaCy 的自然语言处理

查看课程

练习说明

构建一个 target_entities 列表，包含每个 documents 中的所有实体；仅当实体文本中包含 Jumbo 时，向列表追加一个二元组（实体文本，实体标签）。
对于 target_entities 中的任一元组：如果其实体标签（元组的第二个元素）为 PRODUCT，则向 correct_labels 列表追加 True，否则追加 False。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)

编辑并运行代码