spacy - Spacy：对 1000 个标签进行分类的数据集格式是什么？

Question

我想用spacy对文本进行分类我基于spacy的texcat_demo项目，基于它，json应该是这样的

{"text": "Sorpresa: Ceferin comió con Piqué y Laporta",   "cats": {"AR": 0, "ES": 1, "PT": 0 } } 
{"text": "Puado, de calabazas al Madrid a una renovación prioritaria","cats": {"AR": 0, "ES": 1, "PT": 0 } } 

但是应该如何看待这个 json 到多个类别呢？，像这样

 {"text": "Sorpresa: Ceferin comió con Piqué y Laporta",   "cats": {"content": "news", "language": "spanish" } }
 {"text": "Puado, de calabazas al Madrid a una renovación prioritaria", "cats": {"content": "soccer", "language": "portuguese" } }

谢谢

Answer 1

你在 spaCy 论坛上问了同样的问题，但我会继续在这里回答：无论你有多少标签，格式都是一样的。（你有其他理由吗？我认为我们没有说过任何地方都有限制......）

另请注意，JSON 格式不是固定格式，重要的是在序列化之前创建 Doc 对象。有很多方法可以做到这一点，但spaCy 教程项目中有示例。