KI-utvikling · ca. 2 min lesing

spaCy: finn navn og struktur i norsk tekst

spaCy er et Python-bibliotek for språkbehandling med ferdigtrente modeller for blant annet norsk bokmål. Det passer når dere vil hente ut navn, steder og ordklasser uten en stor språkmodell.

Hva er spaCy?

spaCy er et bibliotek for avansert språkbehandling (NLP) i Python og Cython. README-en beskriver det som kommersiell åpen kildekode under MIT-lisensen. Biblioteket støtter tokenisering og trening for over 70 språk og har komponenter for gjenkjenning av navngitte enheter (NER), ordklassetagging, avhengighetsanalyse og tekstklassifisering. Det har også innebygde visualiseringer av setningsstruktur og funnede enheter.

For norsk bokmål viser spaCy sin modelloversikt tre ferdigtrente pipelines: nb_core_news_sm, nb_core_news_md og nb_core_news_lg. Ifølge oversikten er de trent på nyhetstekst.

Hva kan norske bedrifter bruke det til?

spaCy er nyttig når oppgaven er avgrenset og dere vil ha raske, forutsigbare resultater. Eksempler på mulige forsøk:

  • Finne person- og stedsnavn i innkommende e-post før videre behandling.
  • Lage enkle statistikker over hvilke produkter eller steder kundene nevner.
  • Dele opp og rydde tekst før den sendes videre til et søk eller en språkmodell.

Dette er forslag til bruksområder. En modell trent på nyheter kan treffe dårligere på bransjespråk, forkortelser og dialekt. Test derfor på eksempler som ligner deres egne tekster, og regn ikke med at alle personopplysninger blir funnet.

Slik kommer du i gang

  1. Lag et eget Python-miljø og installer med pip install spacy.
  2. Last ned den minste norske modellen med python -m spacy download nb_core_news_sm.
  3. Kjør en kort, oppdiktet tekst gjennom modellen og skriv ut enhetene den finner.
  4. Sammenlign resultatet med det en person ville merket, og noter treff og bom.
  5. Prøv den mellomstore eller store modellen hvis treffsikkerheten er for lav.
import spacy
nlp = spacy.load("nb_core_news_sm")
doc = nlp("Kari Nordmann flyttet fra Bergen til Tromsø i fjor.")
print([(e.text, e.label_) for e in doc.ents])

Lisens

Bibliotekets LICENSE-fil er MIT-lisensen, som er OSI-godkjent. De ferdigtrente modellene kan ha egne vilkår knyttet til treningsdataene. Modelloversikten henviser til modellenes egne utgivelser for detaljer, så sjekk vilkårene for den norske modellen før kommersiell bruk.

Hvorfor vi skriver om det

Vi følger verktøytypen som ofte diskuteres i KI-miljøer og korte videoer. TikTok-kanaler kan ikke kontrolleres direkte her, og vi hevder derfor ikke at en bestemt kanal har omtalt dette prosjektet. Omtalen bygger på prosjektets egne kilder. Vi har kildekontrollert funksjonene, men ikke målt treffsikkerheten på norsk selv.

Lenker

Kilder

Opplysningene er hentet fra kildene over 13. november 2026. Lisens, funksjoner og installasjon kan ha endret seg siden.

← Alle artikler om åpen kildekode