NLP教程：命名实体识别（NER）代码示例

命名实体识别（NER）是自然语言处理（NLP）的一个重要应用，它可以帮助我们识别文本中的关键信息。以下是一些使用Python进行NER的代码示例。

Python NER 代码示例

1. 使用NLTK进行NER

NLTK是一个强大的NLP库，它提供了多种NER工具。

import nltk
from nltk.tokenize import word_tokenize
from nltk.tag import pos_tag
from nltk.chunk import ne_chunk

# 示例文本
text = "Apple Inc. is an American multinational technology company headquartered in Cupertino, California."

# 分词
tokens = word_tokenize(text)

# 词性标注
tagged = pos_tag(tokens)

# NER
named_entities = ne_chunk(tagged)

print(named_entities)

2. 使用spaCy进行NER

spaCy是一个快速的NLP库，它提供了高效的NER工具。

import spacy

# 创建一个spaCy的NLP对象
nlp = spacy.load('en_core_web_sm')

# 示例文本
text = "Apple Inc. is an American multinational technology company headquartered in Cupertino, California."

# 使用spaCy进行NER
doc = nlp(text)

for ent in doc.ents:
    print(ent.text, ent.label_)

扩展阅读

想要了解更多关于NLP和NER的信息，请访问我们的自然语言处理教程页面。

[center]