使用 Spacy 构建句子语义信息：指南和示例

Spacy 是一种功能强大的自然语言处理工具，可用于构建句子的语义信息。以下是利用 Spacy 获取句子语义信息的示例：

导入 Spacy 库和英语模型：

import spacy
nlp = spacy.load('en_core_web_sm')

创建一个句子并将其传递给 Spacy：

sentence = 'The quick brown fox jumped over the lazy dog.'
doc = nlp(sentence)

使用 Spacy 的语义标注功能来获取句子中每个单词的词性和语义信息：

for token in doc:
    print(token.text, token.lemma_, token.pos_, token.tag_, token.dep_,
          token.shape_, token.is_alpha, token.is_stop)

输出结果：

The the DET DT det Xxx True True
quick quick ADJ JJ amod xxxx True False
brown brown ADJ JJ amod xxxx True False
fox fox NOUN NN nsubj xxx True False
jumped jump VERB VBD ROOT xxxx True False
over over ADP IN prep xxxx True True
the the DET DT det xxx True True
lazy lazy ADJ JJ amod xxxx True False
dog dog NOUN NN pobj xxx True False
. . PUNCT . punct . False False

此输出包含每个单词的文本、词形还原、词性、标签、依存关系、形状、是否为字母和是否为停用词等信息。这些信息可以帮助您理解句子的语义。