56

用 spacy 添加/删除停用词的最佳方法是什么？我正在使用token.is_stop函数并想对集合进行一些自定义更改。我正在查看文档，但找不到任何关于停用词的信息。谢谢！

4

7 回答 7

57

使用 Spacy 2.0.11，您可以使用以下方法之一更新其停用词集：

要添加单个停用词：

import spacy    
nlp = spacy.load("en")
nlp.Defaults.stop_words.add("my_new_stopword")

一次添加多个停用词：

import spacy    
nlp = spacy.load("en")
nlp.Defaults.stop_words |= {"my_new_stopword1","my_new_stopword2",}

要删除单个停用词：

import spacy    
nlp = spacy.load("en")
nlp.Defaults.stop_words.remove("whatever")

一次删除多个停用词：

import spacy    
nlp = spacy.load("en")
nlp.Defaults.stop_words -= {"whatever", "whenever"}

注意：要查看当前的停用词集，请使用：

print(nlp.Defaults.stop_words)

更新：评论中指出此修复仅影响当前执行。要更新模型，您可以使用方法nlp.to_disk("/path")和（在https://spacy.io/usage/saving-loadingnlp.from_disk("/path")中进一步描述）。

于 2018-08-01T06:49:38.297 回答
46

您可以在像这样处理您的文本之前对其进行编辑（请参阅这篇文章）：

>>> import spacy
>>> nlp = spacy.load("en")
>>> nlp.vocab["the"].is_stop = False
>>> nlp.vocab["definitelynotastopword"].is_stop = True
>>> sentence = nlp("the word is definitelynotastopword")
>>> sentence[0].is_stop
False
>>> sentence[3].is_stop
True

注意：这似乎工作<=v1.8。对于较新的版本，请参阅其他答案。

于 2016-12-15T19:52:57.397 回答
20

对于 2.0 版，我使用了这个：

from spacy.lang.en.stop_words import STOP_WORDS

print(STOP_WORDS) # <- set of Spacy's default stop words

STOP_WORDS.add("your_additional_stop_word_here")

for word in STOP_WORDS:
    lexeme = nlp.vocab[word]
    lexeme.is_stop = True

这会将所有停用词加载到一个集合中。

您可以STOP_WORDS首先将停用词修改为或使用您自己的列表。

于 2017-09-23T13:52:03.213 回答
5

对于 2.0，请使用以下内容：

for word in nlp.Defaults.stop_words:
    lex = nlp.vocab[word]
    lex.is_stop = True
于 2018-03-25T09:55:28.320 回答
2

这也收集了停用词:)

spacy_stopwords = spacy.lang.en.stop_words.STOP_WORDS

于 2019-08-23T12:10:37.260 回答
0

对于 2.3.0 版本，如果您想替换整个列表而不是添加或删除一些停用词，您可以这样做：

custom_stop_words = set(['the','and','a'])

# First override the stop words set for the language
cls = spacy.util.get_lang_class('en')
cls.Defaults.stop_words = custom_stop_words

# Now load your model
nlp = spacy.load('en_core_web_md')

诀窍是在加载模型之前为语言分配停用词集。它还确保停用词的任何大写/小写变体都被视为停用词。

于 2021-03-04T21:32:49.607 回答
0

在最新版本中，以下将删除列表中的单词：

spacy_stopwords = spacy.lang.en.stop_words.STOP_WORDS
spacy_stopwords.remove('not')
于 2019-09-20T11:46:35.867 回答