spaCy - 简介

在本章中，我们将了解 spaCy 的功能、扩展和可视化工具。此外，还提供了功能比较，这将有助于读者分析 spaCy 与自然语言工具包 (NLTK) 和 coreNLP 相比所提供的功能。这里的 NLP 指的是自然语言处理。

什么是 spaCy？

spaCy 由软件开发人员 Matthew Honnibal 和 Ines Montani 开发，是一个用于高级 NLP 的开源软件库。它使用 Python 和 Cython（Python 的 C 扩展，主要旨在为 Python 语言程序提供类似 C 的性能）编写。

spaCy 是一个相对较新的框架，但它是用于实现 NLP 的最强大和最先进的库之一。

功能

下面解释了 spaCy 的一些流行功能 −

快速 − spaCy 经过专门设计，尽可能快。

准确性 − spaCy 对其标记依赖性解析器的实现使其成为同类中最准确的框架之一（与最佳可用框架的误差在 1% 以内）。

包含电池 − spaCy 中包含的功能如下 −

• 索引保留标记化。

• "Alpha 标记化"支持 50 多种语言。

• 词性标注。

• 预训练词向量。

• 内置简单美观的命名实体和语法可视化工具。

• 文本分类。

可扩展 − 您可以轻松地将 spaCy 与其他现有工具（如 TensorFlow、Gensim、scikit-Learn 等）一起使用。

深度学习集成 −它具有 Thinc，这是一个专为 NLP 任务设计的深度学习框架。

扩展和可视化工具

spaCy 附带的一些易于使用的扩展和可视化工具，是免费的开源库，如下所示 −

Thinc − 它是针对中央处理器 (CPU) 使用优化的机器学习 (ML) 库。它还专为文本输入和 NLP 任务的深度学习而设计。

sense2vec − 这个库用于计算单词相似度。它基于 Word2vec。

displaCy − 它是一个开源依赖解析树可视化工具。它使用 JavaScript、CSS（层叠样式表）和 SVG（可缩放矢量图形）构建而成。

displaCy ^ENT − 它是 spaCy 附带的内置命名实体可视化工具。它使用 JavaScript 和 CSS 构建而成。它允许用户在浏览器中检查其模型的预测。

功能比较

下表显示了 spaCy、NLTK 和 CoreNLP 提供的功能的比较 −

基准

spaCy 拥有世界上最快的句法解析器，并且具有最高的准确率（与最佳结果相差 1% 以内），很好。

下表显示了 spaCy 的基准 −