NLP spaCy使用（二，从一个例子入手）

“上海自来水来自海上“， 我想，这是每个学过中文的修辞的都知道，这个叫做回环修辞（或者回文）。
如果采用spaCy处理会怎么样？

nlp_zh = spacy.load(‘zh_core_web_md’) sh_z = nlp_zh(‘上海自来水来自海上。’) for token in sh_z:
print(token.text, token.pos_,token.tag_, spacy.explain(token.pos_), spacy.explain(token.tag_)) 其结果如下：
上海 PROPN NR proper noun proper noun
自来水 NOUN NN noun noun, singular or mass
来自 VERB VV verb other verb
海上 NOUN NN noun noun, singular or mass
。 PUNCT PU punctuation punctuation

看起来是不是很不错？可能现在对 “PROPN”, "NR"等不太了解，且一步一步。

函数 .explain

首先，spaCy提供一个非常有用的函数，即，spacy.explain。该函数在spaCy系统中归于top level。即，由spacy全局对象提供的方法。在spacy的api文档中，对explain的注释如下：

Get a description for a given POS tag, dependency label or entity type

再抽丝剥茧，什么是“POS tag”？

POS 在NLP中是一个通用的缩写，即Parts of speech，即，词性。