Glossar

SpaCy

Was ist SpaCy?

spaCy ist eine quelloffene Python-Bibliothek für die Verarbeitung natürlicher Sprache, entwickelt vom Berliner Unternehmen Explosion. Sie zerlegt Texte in Wörter und Sätze, bestimmt Wortarten und Grundformen, analysiert Satzstrukturen und erkennt benannte Entitäten wie Personen, Firmen oder Orte. Für viele Sprachen, darunter Deutsch, gibt es vortrainierte Modelle. spaCy ist auf Geschwindigkeit und den Einsatz in echten Anwendungen ausgelegt, etwa zur Vorverarbeitung großer Dokumentenmengen.

Themen

NLP
Python
Open Source

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten

← Alle Begriffe

Verwandte Begriffe

NLTK

NLTK (Natural Language Toolkit) ist eine quelloffene Python-Bibliothek für die Verarbeitung natürlicher Sprache, die Anfang der 2000er-Jahre an der University of Pennsylvania entstand. Sie bietet Werkzeuge für Tokenisierung, Wortstammbildung, Wortarten-Tagging und einfache Klassifikation sowie Zugriff auf zahlreiche Textkorpora. NLTK ist vor allem in Lehre und Forschung verbreitet; für produktive Anwendungen werden häufig Bibliotheken wie spaCy oder Transformer-Modelle eingesetzt.

Python
Sprachverarbeitung
+1

Erkennung benannter Entitäten (NER)

Die Erkennung benannter Entitäten (Named Entity Recognition, NER) ist ein Verfahren der Sprachverarbeitung, das in Texten Namen von Personen, Firmen, Orten sowie Datumsangaben oder Beträge findet und einer Kategorie zuordnet. So werden aus Fließtext strukturierte Daten. Beispiel: Aus einer E-Mail werden automatisch Absenderfirma, Ansprechpartner, Liefertermin und Rechnungsbetrag herausgezogen und in ein CRM übertragen.

NLP
Informationsextraktion
+1

Vorlage

Dependenz-Parsing

Dependenz-Parsing ist ein Verfahren der Sprachverarbeitung, das die grammatische Struktur eines Satzes als Abhängigkeiten zwischen Wörtern darstellt. Jedes Wort wird einem übergeordneten Wort zugeordnet, etwa Subjekt und Objekt dem Verb: Im Satz „Der Kunde bestellt zwei Lampen“ hängen „Kunde“ und „Lampen“ von „bestellt“ ab. Das hilft unter anderem bei der Informationsextraktion, etwa um zu erkennen, wer was getan hat.

NLP
Syntax
+1

Wortarten-Tagging (POS)

Beim Wortarten-Tagging (Part-of-Speech-Tagging) erhält jedes Wort eines Satzes automatisch seine grammatische Kategorie, etwa Nomen, Verb, Adjektiv oder Präposition. Weil viele Wörter mehrdeutig sind – „Bank“ als Möbel oder Geldinstitut, „laufen“ als Verb oder substantiviert –, berücksichtigen die Verfahren den Satzzusammenhang. POS-Tagging ist ein klassischer Vorverarbeitungsschritt, etwa für Satzanalyse, Informationsextraktion oder Rechtschreibprüfung, und wird von Bibliotheken wie spaCy oder NLTK angeboten.

NLP
Grammatik
+1