spacy

知识图谱入门——7：阶段案例：使用 Protégé、Jupyter Notebook 中的 spaCy 和 Neo4j Desktop 搭建知识图谱在 Windows 环境中结合使用 Protégé、Jupyter Notebook 中的 spaCy 和 Neo4j Desktop，可以高效地实现从自然语言处理（NLP）到知识图谱构建的全过程。本案例将详细论述环境配置、步骤实现以及一些扩展和不足之处。

【拥抱AI】沉浸式体验SpaCy开源分词器本节分享一下SpaCy的学习过程，感兴趣的小伙伴可以接着往下看，最后会附上测试代码和源码地址，如有认知错误的地方，还请批评指正，谢谢。

青春之我_XP

【自然语言处理系列】手动安装和测试Spacy中en_core_web_sm模型的详细教程摘要：本教程旨在为自然语言处理（NLP）初学者提供一个详细的指南，用于手动安装流行的NLP库Spacy及其英语模型en_core_web_sm。文章将逐步指导您如何安装Spacy库、查看其版本，确定并下载适合的en_core_web_sm模型版本，以及如何正确安装并测试这些组件确保它们正常工作。完成本教程后，您将能够使用Spacy进行基本的NLP任务，例如分词、命名实体识别和依赖关系解析。

青春之我_XP

【自然语言处理系列】探索NLP：使用Spacy进行分词、分句、词性标注和命名实体识别,并以《傲慢与偏见》与全球恐怖活动两个实例文本进行分析本文深入探讨了scaPy库在文本分析和数据可视化方面的应用。首先，我们通过简单的文本处理任务，如分词和分句，来展示scaPy的基本功能。接着，我们利用scaPy的命名实体识别和词性标注功能，分析了Jane Austen的经典小说《傲慢与偏见》，识别出文中的主要人物和地点。最后，我们将这些文本分析技术应用于全球恐怖活动的数据集中，揭示了不同恐怖组织在全球各地的活动分布。文章展示了如何用scaPy进行复杂的文本挖掘和数据分析，为研究和政策制定提供见解。

一见已难忘

使用Python进行自然语言处理（NLP）：NLTK与Spacy的比较【第133篇—NLTK与Spacy】前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。【点击进入巨牛的人工智能学习网站】。

脚踏实地的大梦想家

【自然语言处理】P3 spaCy 与 NLTK（分词、词形还原与词干提取）以及 Porter 和 Snowball在自然语言处理（NLP）中，文本分词是将文本拆分为单词或词组的过程，这是理解文本含义和结构的基础。Python中两个流行库——spaCy和NLTK（Natural Language Toolkit），都提供了分词功能。下面将详细介绍如何使用这两个库进行文本分词等操作。

超级架构师

【自然语言处理】扩展命名实体识别器（NER）以使用spaCy标记新实体标记单词的顺序-简洁明了。Figure 1: Colour-coded recognised entities