使用 spaCy 进行 NER
命名实体识别（NER）可以帮助您快速识别文档中的关键信息，例如人物和地点名称。它有助于整理非结构化数据并发现重要信息，这在处理大型数据集时尤为关键。本练习将带您实践命名实体识别。
en_core_web_sm 已作为 nlp 为您加载。来自 Airline Travel Information System（ATIS）数据集的 3 条评论已放在名为 texts 的列表中供您使用。
本练习是课程的一部分
使用 spaCy 的自然语言处理
练习说明
- 使用列表推导式，将
texts中每个文本分别转换为Doc容器，组成列表documents。 - 对于每个
doc容器，通过遍历doc.ents，打印每个实体的文本及其对应的标签。 - 打印第 6 个标记的文本，以及第二个
Doc容器中的实体类型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Compile a list of all Doc containers of texts
documents = [____ for text in texts]
# Print the entity text and label for the entities in each document
for doc in documents:
print([(____, ____) for ent in ____])
# Print the 6th token's text and entity type of the second document
print("\nText:", documents[1][5].____, "| Entity type: ", documents[1][5].____)