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。

自然语言处理（NLP）基础

spaCy 中的 Doc 容器

NER 使用场景

使用 spaCy 进行分词

spaCy 基础

运行一个 spaCy 流水线

使用 spaCy 进行词形还原

使用 spaCy 进行句子分割

spaCy 中的语言学特征

使用 spaCy 进行词性标注（POS tagging）

使用 spaCy 进行 NER

使用 spaCy 进行文本处理

NLP 与 spaCy 入门

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。

语言学特征

选项

词性标注（POS tagging）

依存句法分析（Dependency parsing）

命名实体识别（Named-entity recognition）

spaCy 中的语言学标注

使用 spaCy 进行词义消歧

使用 spaCy 进行依存句法解析

词向量入门

spaCy 词汇表

spaCy 词表中的词向量

词向量与 spaCy

airplane - air + ship = ?

fish - sea + bird = ?

arm - human + branch = ?

类比与向量运算

词向量投影

词表中的相似词

使用 spaCy 度量语义相似度

使用 spaCy 计算 Doc 相似度

使用 spaCy 进行 Span 相似度计算

用于文本分类的语义相似度

spaCy 的语言学标注与词向量

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。

spaCy 管线

在 spaCy 中添加流水线组件

在 spaCy 中分析流水线

spaCy EntityRuler（实体规则器）

在空白 spaCy 模型中使用 EntityRuler

用于 NER 的 EntityRuler

在 spaCy 中使用多模式的 EntityRuler

结合 spaCy 使用 RegEx

Python 中的 RegEx

在 spaCy 中使用 EntityRuler 的 RegEx

spaCy Matcher 与 PhraseMatcher

在 spaCy 中匹配单个术语

spaCy 中的 PhraseMatcher

在 spaCy 中使用扩展语法进行匹配

使用 spaCy 进行数据分析

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。

自定义 spaCy 模型

训练 spaCy 模型

基于您的数据评估模型表现

spaCy 训练数据格式

训练步骤

标注与准备训练数据

兼容的训练数据

使用 spaCy 进行训练

训练前的准备步骤

训练一个现有的 NER 模型

从零开始训练 spaCy 模型

总结

corona.json

学习 spaCy，这个发展迅速的业界标准 NLP 库，用于分词、解析和命名实体识别等任务。掌握核心操作，熟练使用 Doc 和 Token 等类，并进行模型训练。通过模式匹配提取术语，创建自定义管道组件，并将其应用到真实案例中，为您的 NLP 项目提供支持。


<h2>认识 spaCy，NLP 的行业标准</h2>
在本课程中，您将学习如何使用 spaCy 这一快速发展的行业标准库，来执行各种自然语言处理任务，例如分词、句子切分、句法分析和命名实体识别。spaCy 可为广泛的自然语言处理任务提供强大、易用且可直接用于生产环境的功能。

<h2>学习 spaCy 的核心操作</h2>
你将首先学习 spaCy 的核心操作，以及如何利用它们解析文本并从非结构化数据中提取信息。 然后，你将使用 spaCy 的类，例如 Doc、Span 和 Token，并学习如何使用不同的 spaCy 组件来计算词向量并预测语义相似度。

<h2>训练 spaCy 模型并了解模式匹配</h2>
您将实践使用 EntityRuler、Matcher 和 PhraseMatcher 从非结构化数据中提取给定术语和短语，编写简单和复杂的匹配模式。 您还将学习如何创建自定义管道组件以及创建训练/评估数据。 从那里开始，你将深入学习如何训练 spaCy 模型，以及如何将它们用于推理。 在整个课程中，你将通过真实案例进行实践，并巩固在自己的 NLP 项目中使用 spaCy 的理解。


Supervised Learning with scikit-learn

Python Toolbox

掌握spaCy核心操作，训练自然语言处理模型。从非结构化数据中提取信息并匹配模式。

使用 spaCy 的自然语言处理

掌握 spaCy 的核心操作，并训练自然语言处理模型。 从非结构化数据中提取信息并匹配模式。

机器学习科学家 在 Python 中

自然语言处理 在 Python 中

类比与向量运算

使用 spaCy 的自然语言处理

动手互动练习