SpaCy

spaCy ([speɪˈsiː] spay-SEE) は、高度な自然言語処理を行うためプログラミング言語PythonとCythonで書かれたオープンソースソフトウェア・ライブラリである^[3][4]。このライブラリはMITライセンスの下で公開されており、現在、英語、ドイツ語、スペイン語、ポルトガル語、フランス語、イタリア語、オランダ語に対する種々の解析処理と多言語固有表現抽出のための統計的ニューラルネットワークモデル、また、その他様々な言語に対する字句解析モデルを提供している^[5]。

spaCy

作者	Matthew Honnibal
開発元	Explosion AI、他
初版	2015年2月 (10年前) (2015-02)[1]
最新版	3.8.4[2]  / 2025年1月14日
リポジトリ	github.com/explosion/spaCy
プログラミング 言語	Python, Cython
対応OS	Linux, Windows, macOS
プラットフォーム	クロスプラットフォーム
種別	自然言語処理
ライセンス	MIT
公式サイト	spacy.io

教育や研究に広く使用されているNLTKとは異なり、spaCyは製品用途のソフトウェアを提供することに重点を置いている^[6][7]。バージョン1.0の時点で、spaCyはTensorFlow、Keras、scikit-learnやPyTorch^[8]等のよく知られた機械学習ライブラリによって訓練された統計モデルが使用できるディープラーニングのためのワークフローをサポートしている^[9]。spaCyの機械学習ライブラリであるThincが、個別のオープンソースPythonライブラリとして公開されている^[10]。2017年11月7日にバージョン2.0がリリースされた^[11]。品詞タグ付け、構文解析、固有表現抽出のための畳み込みニューラルネットワークモデルや、およびモデルの訓練と更新、カスタム処理パイプラインの構築周りのAPIの改善を含んでいる。

主な特徴

• 非破壊的な字句解析
• 固有表現抽出
• 25以上の言語の字句解析サポート^[12]
• 8言語の統計モデル^[13]
• 事前学習済みの単語ベクトル
• 品詞タグ付け
• ラベル付き依存構文解析
• 統語ドリブンの文分割
• テキスト分類
• 構文木および固有表現用のビルトインビジュアライザ
• ディープラーニング

拡張機能とビジュアライザ

displaCyビジュアライザで生成された依存解析木の可視化

spaCyには、無料のオープンソースライブラリとして利用できるいくつかの拡張機能とビジュアライザが付属している。

• Thinc: CPUによる使用とテキスト入力に対するディープラーニングに最適化された機械学習ライブラリ。
• sense2vec: Word2vecとsense2vecに基づいて、単語の類似性を計算するためのライブラリ^[14]。
• displaCy: JavaScript、CSS、SVGで構築されたオープンソースの依存構文木のビジュアライザ。
• displaCy^ENT: JavaScriptとCSSで構築されたオープンソースの固有表現ビジュアライザ。