Glossario

spaCy

Che cos’è spaCy?

spaCy è una libreria Python open source per l'elaborazione del linguaggio naturale, sviluppata dall'azienda berlinese Explosion. Suddivide i testi in parole e frasi, individua categorie grammaticali e forme base, analizza la struttura delle frasi e riconosce entità nominate come persone, aziende o luoghi. Esistono modelli preaddestrati per molte lingue, tra cui l'italiano. spaCy è pensata per la velocità e l'uso in applicazioni reali, ad esempio per pre-elaborare grandi quantità di documenti.

Temi

NLP
Python
open source

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

NLTK

NLTK (Natural Language Toolkit) è una libreria Python open source per l’elaborazione del linguaggio naturale, nata all’inizio degli anni 2000 presso la University of Pennsylvania. Offre strumenti per tokenizzazione, stemming, etichettatura delle parti del discorso e classificazione semplice, oltre all’accesso a numerosi corpora testuali. È diffusa soprattutto nella didattica e nella ricerca; per applicazioni in produzione si usano spesso librerie come spaCy o modelli transformer.

Python
elaborazione del linguaggio
+1

Riconoscimento di entità nominate (NER)

Il riconoscimento di entità nominate (Named Entity Recognition, NER) è una tecnica di elaborazione del linguaggio che individua in un testo nomi di persone, aziende e luoghi, oltre a date o importi, e li assegna a una categoria. In questo modo il testo libero diventa un dato strutturato. Esempio: da un’email si estraggono automaticamente azienda mittente, referente, data di consegna e importo della fattura da inserire nel CRM.

NLP
Estrazione di informazioni
+1

Modello

Analisi delle dipendenze

L'analisi delle dipendenze (dependency parsing) è una tecnica di elaborazione del linguaggio naturale che rappresenta la struttura grammaticale di una frase come relazioni di dipendenza tra parole. Ogni parola viene collegata a una parola reggente, ad esempio soggetto e oggetto al verbo: nella frase «Il cliente ordina due lampade», «cliente» e «lampade» dipendono da «ordina». È utile, tra l'altro, per l'estrazione di informazioni, ad esempio per capire chi ha fatto cosa.

NLP
sintassi
+1

Etichettatura delle parti del discorso (POS tagging)

L'etichettatura delle parti del discorso (part-of-speech tagging) assegna automaticamente a ogni parola di una frase la sua categoria grammaticale, come nome, verbo, aggettivo o preposizione. Poiché molte parole sono ambigue («porta» come nome o come verbo, «sale» come nome o verbo), i metodi tengono conto del contesto. È un classico passo di pre-elaborazione per l'analisi sintattica, l'estrazione di informazioni o il controllo ortografico, offerto da librerie come spaCy o NLTK.

NLP
Grammatica
+1