Заменить объект своей меткой объекта с помощью spacy
Я хочу сделать для своих данных замену каждой сущности ее меткой с помощью Spacy, и у меня есть 3000 текстовых строк, необходимых для замены сущностей на их метку,
Например:
«Недавно Грузия стала первым штатом США, который« запретил мусульманскую культуру ».
И хочу стать таким:
«GPE недавно стало ОБЫЧНЫМ государством GPE, чтобы« запретить культуру NORP. "
Я хочу, чтобы код заменял более строк текста.
Огромное спасибо.
Например, эти коды, но для одного предложения я хочу изменить s (строку), чтобы столбец содержал 3000 строк
Первый: from ( Заменить объект на его метку в SpaCy )
s= "His friend Nicolas J. Smith is here with Bart Simpon and Fred."
doc = nlp(s)
newString = s
for e in reversed(doc.ents): #reversed to not modify the offsets of other entities when substituting
start = e.start_char
end = start + len(e.text)
newString = newString[:start] + e.label_ + newString[end:]
print(newString)
#His friend PERSON is here with PERSON and PERSON.
Второй: from ( Объединение тегов в мой файл с использованием аннотации именованного объекта )
import spacy
nlp = spacy.load("en_core_web_sm")
s ="Apple is looking at buying U.K. startup for $1 billion" doc = nlp(s) def replaceSubstring(s, replacement, position, length_of_replaced): s = s[:position] + replacement + s[position+length_of_replaced:] return(s) for ent in reversed(doc.ents): #print(ent.text, ent.start_char, ent.end_char, ent.label_) replacement = "<{}>{}</{}>".format(ent.label_,ent.text, ent.label_) position = ent.start_char length_of_replaced = ent.end_char - ent.start_char s = replaceSubstring(s, replacement, position, length_of_replaced) print(s) #<ORG>Apple</ORG> is looking at buying <GPE>U.K.</GPE> startup for <MONEY>$1 billion</MONEY>
Ответы
IIUC, вы можете добиться того, чего хотите, с помощью:
- Чтение ваших текстов из файла, каждый текст в отдельной строке
- Обработка результатов путем замены сущностей, если таковые имеются, их тегами
- Запись результатов на диск, каждый текст на отдельной строке
Демо:
import spacy
nlp = spacy.load("en_core_web_md")
#read txt file, each string on its own line
with open("./try.txt","r") as f:
texts = f.read().splitlines()
#substitute entities with their TAGS
docs = nlp.pipe(texts)
out = []
for doc in docs:
out_ = ""
for tok in doc:
text = tok.text
if tok.ent_type_:
text = tok.ent_type_
out_ += text + tok.whitespace_
out.append(out_)
# write to file
with open("./out_try.txt","w") as f:
f.write("\n".join(out))
Содержимое входного файла:
Недавно Джорджия стала первым штатом США, который «запретил мусульманскую культуру.
Его друг Николас Дж. Смит находится здесь с Бартом Симпоном и Фредом.
Apple рассматривает возможность покупки британского стартапа за 1 миллиард долларов.
Содержание выходного файла:
GPE недавно стал ОБЫЧНЫМ государством GPE, чтобы «запретить культуру NORP.
Его друг PERSON PERSON находится здесь с
PERSON PERSON и PERSON . ORG рассматривает возможность покупки стартапа GPE за MONEYMONEY MONEY.
Обратите внимание на MONEYMONEY
узор.
Это потому что:
doc = nlp("Apple is looking at buying U.K. startup for $1 billion")
for tok in doc:
print(f"{tok.text}, {tok.ent_type_}, whitespace='{tok.whitespace_}'")
Apple, ORG, whitespace=' '
is, , whitespace=' '
looking, , whitespace=' '
at, , whitespace=' '
buying, , whitespace=' '
U.K., GPE, whitespace=' '
startup, , whitespace=' '
for, , whitespace=' '
$, MONEY, whitespace='' # <-- no whitespace between $ and 1
1, MONEY, whitespace=' '
billion, MONEY, whitespace=''