自然言語処理のキホン：spaCyで学ぶ品詞タグ付け、依存構文解析、固有表現抽出

自然言語処理（NLP）の基本技術として、spaCyを活用した品詞タギング、依存構文解析、固有表現抽出の3つの手法が重要である。まず、品詞タギングは単語の文内の役割を分類する。例えば、「dog」は名詞（NOUN）、「run」は動詞（VERB）、「big」は形容詞（ADJ）など。spaCyではこれらのタグを「VBD」のような略語で表現し、spacy.explain()で意味を確認できる。タグは文脈によって変化するため、文全体を解析することで正確な分類が可能になる。 次に、依存構文解析は単語間の構文的関係を明らかにする。各単語は「親（head）」と「子（dependent）」の関係を持つ。たとえば「red car」では「car」が根（ROOT）、「red」は「amod」（形容詞修飾）関係で「car」を修飾する。依存木は文の構造を視覚化し、spaCyのdisplacy.serve()で簡単に確認できる。 さらに、固有表現認識（NER）はテキストから現実世界の対象（国、都市、会社名など）を抽出する。例として「Rome is the best city in Italy」という文では、「Rome」と「Italy」が固有表現（GPE：国・都市・州）として認識され、doc.entsで取得可能。spacy.explain()でその種類の意味も確認できる。 これらの技術は、テキストから「誰が何を誰に対してしたか」「日付や場所は何か」など、意味のある情報を抽出する基盤となる。spaCyはこれらの機能を統合的に提供し、自然言語の構造を理解するための実用的なツールを提供している。