Part-of-Speech (POS)

Ein Token hält neben dem reinen Text noch weitere Informationen für uns bereit, wenn zusätzlich auch der parser ausgeführt wurde (was standardmäßig der Fall ist). Dazu gehören die sogenannten Part-of-Speech (POS) Informationen. Diese geben an, welche Rolle ein Token (oder Wort) in dem Text spielt. Also ob es sich um ein Verb, Adjektiv, Nomen oder vielleicht eine Zahl oder ein Satzzeichen handelt. Auf diese Information können wir wie folgt zugreifen:

# Iterate over the tokens
for token in doc:
    # Print the text and POS tag for each token
    print(token.text, token.pos_)

Die Ausgabe ist folgende:

I PRON
am AUX
looking VERB
forward ADV
to ADP
learning VERB
about ADP
NLP PROPN
with ADP
spaCy PROPN
! PUNCT

Wie ihr seht, enthält das pos_ Attribut Abkürzungen für die Art des Tokens, den spaCy erkannt hat. Hier die wichtigsten davon:

Abkürzung	Bedeutung
ADJ	Adjektiv
ADV	Adverb
AUX	Hilfsverb
NOUN	Nomen
PRON	Pronomen
PUNCT	Satzzeichen
VERB	Verb

Für jedes Kürzel existiert auch eine Codierung als Zahl, die ihr über das Attribut pos (ohne Underscore am Ende) abrufen könnt.

Eine umfassende Liste mit den verwendeten Tags und Kürzeln erhaltet ihr hier:

Data formats · spaCy API DocumentationData formats

Ihr könnt auch spaCy selbst bitten, eine bestimmte Abkürzung zu erklären:

spacy.explain("AUX")
# Ausgabe: 'auxiliary'

Solltet ihr detailliertere Infos zur Rolle eines Tokens benötigen, schaut euch die Attribute tag_ bzw tag an. Die Bedeutung der Werte in diesen Feldern könnt ihr auch dem obigen Link entnehmen.