spaCy ir atvērtā pirmkoda Python bibliotēka dabiskās valodas apstrādei, ko izstrādā Berlīnes uzņēmums Explosion. Tā sadala tekstus vārdos un teikumos, nosaka vārdšķiras un pamatformas, analizē teikuma struktūru un atpazīst nosauktās entītijas, piemēram, personas, uzņēmumus vai vietas. Iepriekš apmācīti modeļi ir pieejami daudzām valodām, tostarp vācu valodai. spaCy ir izstrādāta ātrumam un lietošanai reālās lietojumprogrammās, piemēram, lielu dokumentu apjomu priekšapstrādei.
NLTK (Natural Language Toolkit) ir atvērtā pirmkoda Python bibliotēka dabiskās valodas apstrādei, kas izveidota Pensilvānijas Universitātē 2000. gadu sākumā. Tā nodrošina rīkus tokenizācijai, celmošanai, vārdšķiru marķēšanai un vienkāršai klasifikācijai, kā arī piekļuvi daudziem teksta korpusiem. NLTK galvenokārt izmanto mācībās un pētniecībā; produkcijas lietojumprogrammas bieži balstās uz tādām bibliotēkām kā spaCy vai uz transformeru modeļiem.
Nosaukto entītiju atpazīšana (NER) ir dabiskās valodas apstrādes paņēmiens, kas tekstā atrod cilvēku, uzņēmumu un vietu nosaukumus, kā arī datumus vai summas un katram piešķir kategoriju. Tā pārveido brīvu tekstu strukturētos datos. Piemērs: no e-pasta automātiski tiek izgūts sūtītāja uzņēmums, kontaktpersona, piegādes datums un rēķina summa un nodots CRM sistēmai.
Atkarību sintaktiskā analīze ir dabiskās valodas apstrādes paņēmiens, kas teikuma gramatisko uzbūvi attēlo kā atkarības starp vārdiem. Katrs vārds ir saistīts ar pārvaldošo vārdu, piemēram, priekšmets un papildinātājs ar izteicēju: teikumā „Klients pasūta divas lampas” vārdi „klients” un „lampas” ir atkarīgi no „pasūta”. Tas palīdz informācijas izgūšanā, piemēram, lai noteiktu, kas ko izdarīja.
Vārdšķiru marķēšana automātiski piešķir katram teikuma vārdam tā gramatisko kategoriju, piemēram, lietvārds, darbības vārds, īpašības vārds vai prievārds. Tā kā daudzi vārdi ir neviennozīmīgi („book” kā lietvārds vai darbības vārds, „light” kā īpašības vārds vai lietvārds), metodes ņem vērā teikuma kontekstu. POS marķēšana ir klasisks priekšapstrādes solis sintaktiskajai analīzei, informācijas izgūšanai vai pareizrakstības pārbaudei, un to piedāvā bibliotēkas, piemēram, spaCy un NLTK.
