问题标签 [spacy-3]

我是 spaCy 和 Python 的新手，我想使用这个库来可视化一个 NER。这是我找到的示例：

可视化的例子

但是，我已经有一个自定义标签列表及其位置：

我希望使用我自己的自定义标签和实体来可视化我的文本，而不是 spaCy 的默认 NER 选项。我怎样才能做到这一点？

https://spacy.io/usage/rule-based-matching#phrasematcher

对于这个例子：

医生说：

'Washington, DC' 可以与文本成功匹配而无需担心标记化的原因是因为'Washington, DC' 的标记化是正确的。假设标记化如下所示：

我的问题是，如果'C. and' 被标记为一个标记，'Washington, DC' 的匹配是否仍然成功？

目标：提高 Spacy NER 模型的准确性，将数据输入作为报纸文章链接，特别是关于洗钱和相关关键字的链接。

有什么方法可以让我得出将特定实体分类为名称、位置、组织的概率？

我正在使用 spacy 3.0 使用变压器模型对文本进行矢量化。由于数据隐私的原因，矢量化必须在与训练模型的机器不同的机器上。为了减少我生成的数据量以及必须在机器之间传输的数据量，我提取了文本的令牌 ID，如下所示：

返回

现在有了 id，是否可以de_dep_news_trf使用 spacy 从语言模型 () 中提取正确的张量？

我目前正在尝试将拼写检查步骤添加到 Spacy 的内置管道之一中，特别是'en_core_web_sm'

我发现了一个非常简洁的组件，称为上下文拼写检查，我已将其插入到管道中。问题在于，即使在我将管道重新排序为['tok2vec', 'parser', 'contextual spellchecker', 'tagger', 'attribute_ruler', 'lemmatizer', 'ner'].

例如：

将返回正确的拼写检查结果：

但是，检查基本结果：

如何确保在拼写检查的术语上进行词形还原？

我很难弄清楚如何从 spacy V3 中的内置模型一点一点地组装 spacy 管道。我已经下载了en_core_web_sm模型，可以用nlp = spacy.load("en_core_web_sm"). 示例文本的处理就像这样工作得很好。

现在我想要的是从空白构建一个英语管道并一点一点地添加组件。我不想加载整个en_core_web_sm管道并排除组件。为了具体起见，假设我只想要tagger管道中的 spacy 默认值。文档向我建议

应该管用。但是我收到与以下相关的错误hashembed：

暗示我应该跑initialize()。好的。如果我然后运行，nlp.initialize()我最终会收到此错误

现在我有点不知所措。哪些标签示例？我从哪里拿走它们？为什么默认模型配置不解决这个问题？我必须告诉 spacy 以en_core_web_sm某种方式使用吗？如果是这样，我怎么能这样做而不使用spacy.load("en_core_web_sm")和排除一大堆东西？感谢您的提示！

编辑：理想情况下，我希望能够从修改后的配置文件中仅加载管道的一部分，例如nlp = English.from_config(config). 我什至不能使用附带的配置文件，en_core_web_sm因为生成的管道也需要初始化，nlp.initialize()现在我收到了

暗示它没有找到所需的查找表。

我正在使用 spaCy 尝试在句子中提取 ORG 实体标签。但是，它并没有拾取所有标签，而且它拾取的标签因组织名称的书写方式而异。例如：

生成： 这显然是遗漏的Facebook

尽管

生成： 现在缺少Google和Facebook。

关于我做错了什么的任何想法？

我正在使用 PyQt5 和 Spacy 构建一个基于 GUI 的网络爬虫应用程序：

1. 当我使用 Python.exe 执行它时，它运行得非常好。

2. 我使用 PyInstaller 为我的整个程序创建了一个独立的 exe 文件，只是为了将它分发给我的团队（他们只是用户）。

3. 但是当我双击该 .exe 文件打开时，它会显示一些类似这样的错误：

提供：我还使用 Pyinstaller 挂钩文件和规范文件为 Spacy 导入了语言模型。因为 Pyinstaller 不支持 Spacy。但是现在我不确定我错过了哪个模块，或者在哪里将该模块放入我的 PyInstaller 构建中。

在 Spacy 的最新文档中，以下链接给出了以下示例：

https://spacy.io/usage/embeddings-transformers

此代码在尝试处理测试数据时抛出异常：

AttributeError：[E047] 无法为未注册的扩展属性“custom_attr”赋值。你忘记调用set_extension方法了吗？

我使用以下方式设置扩展名：

Doc.set_extension('custom_attr', default=True)

我的问题是，Transform 类是否应该自己处理添加这个特殊扩展（如示例代码中所暗示的那样），或者这只是示例中的一个错误？

这是我的康达清单