Natural Language Processing con spaCy

Scopri le caratteristiche linguistiche, i word vector, la similarità semantica, le analogie e le operazioni sui word vector. In questo capitolo vedrai come usare spaCy per estrarre i word vector, categorizzare testi pertinenti a un determinato argomento e trovare termini semanticamente simili a parole date partendo da un corpus o dal vocabolario di un modello spaCy.

Familiarizza con i componenti della pipeline di spaCy, come aggiungere un componente e come analizzare la pipeline NLP. Imparerai anche diversi approcci per l’estrazione di informazioni basata su regole usando le classi EntityRuler, Matcher e PhraseMatcher in spaCy e il pacchetto RegEx di Python.

Esplora vari casi d’uso reali in cui i modelli spaCy possono fallire e scopri come addestrarli ulteriormente per migliorarne le prestazioni. Ti verranno presentati i passaggi dell’addestramento in spaCy e capirai come addestrare un modello spaCy esistente o da zero, e come valutarlo in fase di inferenza.