命名实体与关系，直接写python代码

命名实体识别（Named Entity Recognition，简称NER）是自然语言处理中的一项基本技术，是指识别文本中具有独立意义的实体，并将其打上标记。

关系抽取（Relation Extraction）是指从文本中抽取出实体之间的关系。

下面是一个使用 Python 中的第三方库 Spacy 进行命名实体识别的简单例子：

import spacy

# 加载模型
nlp = spacy.load("en_core_web_sm")

# 输入文本
text = "Apple is looking at buying U.K. startup for $1 billion"

# 使用模型处理文本
doc = nlp(text)

# 遍历文本中的实体，并打印实体类型和文本
for ent in doc.ents:
    print(ent.label_, ent.text)

输出结果如下：

ORG Apple
GPE U.K.
MONEY $1 billion

下面是一个使用 Python 中的第三方库 Spacy 进行关系抽取的简单例子：

import spacy
from spacy.pipeline import DependencyParser

# 加载模型
nlp = spacy.load("en_core_web_sm")

# 添加依存句法分析组件
dp = DependencyParser()
nlp.add_pipe(dp)

# 输入文本
text = "Apple is looking at buying U.K. startup for $1 billion"

# 使用模型处理文本
doc = nlp(text)

# 遍历文本中的句子
for sent in doc.sents:
    # 遍历句子中的单词
    for token in sent:
        # 如果单词的依存关系为 nsubj，则表示该单词是主语
        if token.dep_ == "nsubj":
            subject =