Słownik pojęć

spaCy

Czym jest spaCy?

spaCy to otwartoźródłowa biblioteka Pythona do przetwarzania języka naturalnego, rozwijana przez berlińską firmę Explosion. Dzieli teksty na słowa i zdania, określa części mowy i formy podstawowe, analizuje budowę zdań i rozpoznaje nazwane encje, takie jak osoby, firmy czy miejsca. Dostępne są wstępnie wytrenowane modele dla wielu języków, w tym niemieckiego. spaCy zaprojektowano z myślą o szybkości i zastosowaniach w rzeczywistych aplikacjach, na przykład do wstępnego przetwarzania dużych zbiorów dokumentów.

Tematy

NLP
Python
open source

Wypróbuj KI.ordo

Agenci, przepływy i szablony w jednym obszarze roboczym – bezpłatne demo na 24 godziny.

Uruchom demo

← Wszystkie pojęcia

Powiązane pojęcia

NLTK

NLTK (Natural Language Toolkit) to otwartoźródłowa biblioteka Pythona do przetwarzania języka naturalnego, stworzona na Uniwersytecie Pensylwanii na początku lat 2000. Udostępnia narzędzia do tokenizacji, stemmingu, oznaczania części mowy i prostej klasyfikacji oraz dostęp do licznych korpusów tekstowych. NLTK jest używana głównie w nauczaniu i badaniach; aplikacje produkcyjne często korzystają z bibliotek takich jak spaCy lub z modeli typu transformer.

Python
przetwarzanie języka
+1

Rozpoznawanie nazwanych encji (NER)

Rozpoznawanie nazwanych encji (NER) to technika przetwarzania języka naturalnego, która znajduje w tekście nazwy osób, firm i miejsc, a także daty lub kwoty, i przypisuje każdą z nich do kategorii. Zamienia swobodny tekst w dane ustrukturyzowane. Przykład: z e-maila automatycznie wyodrębniane są firma nadawcy, osoba kontaktowa, termin dostawy i kwota faktury, które trafiają do systemu CRM.

NLP
Ekstrakcja informacji
+1

Szablon

Parsowanie zależnościowe

Parsowanie zależnościowe (dependency parsing) to technika przetwarzania języka naturalnego, która przedstawia strukturę gramatyczną zdania jako zależności między wyrazami. Każdy wyraz jest powiązany z wyrazem nadrzędnym, na przykład podmiot i dopełnienie z orzeczeniem: w zdaniu „Klient zamawia dwie lampy” słowa „klient” i „lampy” zależą od słowa „zamawia”. Pomaga to w ekstrakcji informacji, na przykład w ustalaniu, kto co zrobił.

NLP
składnia
+1

Oznaczanie części mowy (POS tagging)

Oznaczanie części mowy automatycznie przypisuje każdemu słowu w zdaniu jego kategorię gramatyczną, na przykład rzeczownik, czasownik, przymiotnik lub przyimek. Ponieważ wiele słów jest wieloznacznych („stali” jako forma rzeczownika „stal” lub czasownika „stać”), metody uwzględniają kontekst zdania. POS tagging to klasyczny krok wstępnego przetwarzania w parsowaniu, ekstrakcji informacji lub sprawdzaniu pisowni i jest oferowany przez biblioteki takie jak spaCy i NLTK.

NLP
Gramatyka
+1