Avis et détails du produit spaCy

Spacy est essentiellement utilisé pour les tâches de traitement du langage naturel (NLP) dans l'apprentissage automatique. Nous pouvons optimiser nos tâches avec cette bibliothèque en Python en utilisant des modèles pré-entraînés pour le marquage des parties du discours (PoS), la synthèse de texte et pour le modèle de reconnaissance d'entités nommées (NER). Elle a également la capacité de faire de la tokenisation, dans laquelle les phrases peuvent être divisées en mots et en signes de ponctuation. En somme, c'est une bibliothèque Python très utile pour utiliser les tâches de NLP dans de multiples domaines. Avis collecté par et hébergé sur G2.com.

Le contexte de la bibliothèque de Spacy est quelque peu difficile à apprendre et peut avoir une courbe d'apprentissage abrupte car les fonctions actuelles dépendent beaucoup des fonctions précédemment utilisées. Même pour l'entraînement de modèles personnalisés, c'est une tâche très complexe qui peut nécessiter des données étiquetées et annotées pour le traitement. Avis collecté par et hébergé sur G2.com.

spaCy prend bien en charge, de manière modulaire, tous les niveaux bas d'analyse de texte, ce qui facilite l'ajout de la prise en charge de nouvelles langues. Avis collecté par et hébergé sur G2.com.

La fonctionnalité NER, qui est compréhensiblement de mauvaise qualité, devrait être maintenue hors de la principale chaîne de traitement. Avis collecté par et hébergé sur G2.com.

SpaCy continue d'être open source et accessible au public même avec les algorithmes les plus modernes. La reconnaissance d'entités nommées moderne fonctionne parfaitement et étiquette les mots dans leurs parties du discours correctes rapidement et avec précision. Plus de vingt langues peuvent être utilisées avec sa bibliothèque étendue. Avis collecté par et hébergé sur G2.com.

La configuration de SpaCy peut présenter certains défis si vous n'êtes pas familier avec Python. Cela peut restreindre certaines de vos options. Cependant, cette petite limitation de personnalisation ne devrait pas déranger quelqu'un qui est sincèrement intéressé par la recherche ou les outils pédagogiques. Avis collecté par et hébergé sur G2.com.

1. Extraction d'informations liées aux lieux, noms, noms, verbes, etc. à partir du texte anglais.

2. Modèle pré-entraîné qui aide à construire plus rapidement et plus facilement. Avis collecté par et hébergé sur G2.com.

1. Le support pour les langues autres que l'anglais n'est pas très bon.

2. Exigence matérielle élevée. Avis collecté par et hébergé sur G2.com.

La facilité d'utilisation est l'une des choses les plus appréciées à propos de Spacy. J'utilise Spacy depuis environ 2 ans comme backend pour mon logiciel de science des données et pour traiter les requêtes en langage naturel. Le soutien de la communauté est fantastique. Avis collecté par et hébergé sur G2.com.

Spacy manquait de pipelines de transformateurs, mais avec la version 3.0+, cela a été ajouté et, par conséquent, cela diminue les choses que je n'aime pas à propos de spacy. Avis collecté par et hébergé sur G2.com.

J'aime l'analyseur de phrases et la qualité des phrases qu'il génère. J'aime l'approche basée sur les objets, ce qui rend très facile la création d'un flux. SpaCy résout également de nombreux problèmes avec ses modèles entraînés que d'autres bibliothèques ne peuvent pas. Avis collecté par et hébergé sur G2.com.

Le parseur de phrases est lent et il peut être amélioré. Avis collecté par et hébergé sur G2.com.

Bien que la bibliothèque NLP de Stanford soit un bon point de départ pour aborder les problèmes de NLP, Spacy donne un coup de pouce à vos projets avec des capacités avancées qui, autrement, sont trop délicates et difficiles à maîtriser. Spacy expose des méthodes et des API qui abstraient toutes les complexités comme l'entraînement pour des entités nommées personnalisées. Ou l'extraction de phrases à partir de texte. Spacy s'est avéré très fructueux pour nous. De plus, il est extrêmement rapide par rapport à d'autres bibliothèques. Avis collecté par et hébergé sur G2.com.

Parfois, enlever les complexités d'un problème le rend moins intéressant. Je plaisante. Cela a été une expérience incroyable jusqu'à présent. Avis collecté par et hébergé sur G2.com.

- La toute première chose que j'aimerais mentionner parmi les meilleures choses à propos de spaCy, c'est qu'il est open source.

- Cette bibliothèque offre une vaste collection de diverses catégories d'algorithmes de NLP qui sont prêts pour l'industrie, qui peuvent être fiables et directement mis en œuvre.

- spaCy prend en charge plus de 28 langues et les gère très efficacement. Avis collecté par et hébergé sur G2.com.

Pas d'antipathie pour spaCy car je l'utilise depuis longtemps et pour différentes raisons. Je n'ai jamais rencontré de problème significatif. Avis collecté par et hébergé sur G2.com.

Toutes les fonctions de la bibliothèque offrent des performances proches de l'état de l'art. Et pourtant, elle offre de très bonnes performances. L'API est très facile à utiliser. Avis collecté par et hébergé sur G2.com.

La documentation pourrait utiliser quelques exemples supplémentaires. De plus, il est un peu gênant de l'utiliser en parallèle avec d'autres bibliothèques NLP. Cela demande également un certain travail pour l'intégrer dans un pipeline. Avis collecté par et hébergé sur G2.com.

La meilleure chose à propos de spaCy est qu'il est open-source tout en offrant des algorithmes de pointe prêts pour l'industrie. De plus, leur documentation est suffisamment solide pour permettre à un apprenant de comprendre de manière autonome toute la bibliothèque sans l'avis d'experts. Ils fournissent même des tonnes d'exemples pour qu'un débutant puisse s'exercer. Avis collecté par et hébergé sur G2.com.

J'utilise cette bibliothèque depuis longtemps et j'en suis vraiment satisfait. Je n'ai jamais rencontré de problèmes cruciaux, oui mais j'ai eu quelques erreurs mineures que j'ai pu résoudre facilement en utilisant les forums publics. Avis collecté par et hébergé sur G2.com.