Glossário

spaCy

O que é spaCy?

O spaCy é uma biblioteca Python de código aberto para processamento de linguagem natural, desenvolvida pela empresa berlinense Explosion. Divide os textos em palavras e frases, determina classes gramaticais e formas de base, analisa a estrutura das frases e reconhece entidades nomeadas, como pessoas, empresas ou locais. Existem modelos pré-treinados para muitas línguas, incluindo o alemão. O spaCy foi concebido para a velocidade e para a utilização em aplicações reais, por exemplo para pré-processar grandes volumes de documentos.

Temas

NLP
Python
código aberto

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

NLTK

O NLTK (Natural Language Toolkit) é uma biblioteca Python de código aberto para processamento de linguagem natural, criada na Universidade da Pensilvânia no início dos anos 2000. Disponibiliza ferramentas para tokenização, stemming, etiquetagem de classes gramaticais e classificação simples, bem como acesso a numerosos corpora de texto. O NLTK é usado sobretudo no ensino e na investigação; as aplicações em produção recorrem muitas vezes a bibliotecas como o spaCy ou a modelos transformer.

Python
processamento de linguagem
+1

Reconhecimento de entidades nomeadas (NER)

O reconhecimento de entidades nomeadas (NER, do inglês named entity recognition) é uma técnica de processamento de linguagem natural que encontra em textos nomes de pessoas, empresas e locais, bem como datas ou montantes, e atribui cada um a uma categoria. Transforma texto livre em dados estruturados. Exemplo: a empresa remetente, a pessoa de contacto, a data de entrega e o valor da fatura são extraídos automaticamente de um e-mail e transferidos para um CRM.

NLP
Extração de informação
+1

Modelo

Análise de dependências sintáticas

A análise de dependências sintáticas é uma técnica de processamento de linguagem natural que representa a estrutura gramatical de uma frase como dependências entre palavras. Cada palavra está ligada a uma palavra principal, por exemplo o sujeito e o objeto ao verbo: em "O cliente encomenda dois candeeiros", "cliente" e "candeeiros" dependem de "encomenda". Isto ajuda na extração de informação, por exemplo para identificar quem fez o quê.

NLP
sintaxe
+1

Etiquetagem de classes gramaticais (POS)

A etiquetagem de classes gramaticais atribui automaticamente a cada palavra de uma frase a sua categoria gramatical, como substantivo, verbo, adjetivo ou preposição. Como muitas palavras são ambíguas («casa» como substantivo ou como forma do verbo casar, «claro» como adjetivo ou advérbio), os métodos têm em conta o contexto da frase. A etiquetagem POS é um passo clássico de pré-processamento para a análise sintática, a extração de informação ou a verificação ortográfica e é oferecida por bibliotecas como o spaCy e o NLTK.

NLP
Gramática
+1