如何使用标记化的句子作为 Spacy 的 PoS 标记器的输入?

问题描述

Spacy 的 pos tagger 真的很方便，可以直接在原始句子上打标签.

Spacy's pos tagger is really convenient, it can directly tag on raw sentence.

import spacy
sp = spacy.load('en_core_web_sm')
sen = sp(u"I am eating")

但我正在使用 nltk 中的标记器.那么如何使用标记化的句子，如['I', 'am', 'eating'] 而不是 Spacy 的标注者的我在吃"?

But I'm using tokenizer from nltk. So how to use a tokenized sentence like['I', 'am', 'eating'] rather than 'I am eating' for the Spacy's tagger?

顺便说一句，我在哪里可以找到详细的 Spacy 文档?我只能在官方网站

BTW, where can I found detailed Spacy documentation?I can only find an overview on the official website

谢谢.

推荐答案

有两个选项:

1. 您围绕 nltk 标记器编写一个包装器，并使用它来将文本转换为 spaCy 的 Doc 格式.然后用新的自定义函数覆盖 nlp.tokenizer.更多信息:https://spacy.io/usage/linguistic-features#custom-分词器.

1. You write a wrapper around the nltk tokenizer and use it to convert text to spaCy's Doc format. Then overwrite nlp.tokenizer with that new custom function. More info here: https://spacy.io/usage/linguistic-features#custom-tokenizer.

直接从字符串列表中生成一个 Doc，如下所示:

Generate a Doc directly from a list of strings, like so:

doc = Doc(nlp.vocab, words=[u"I", u"am", u"eating", u"."],空格=[真、真、假、假])

定义 spaces 是可选的 - 如果您省略它，默认情况下每个单词后面都会跟一个空格.这在使用时很重要，例如doc.text 之后.更多信息:https://spacy.io/usage/linguistic-features#own-注释

Defining the spaces is optional - if you leave it out, each word will be followed by a space by default. This matters when using e.g. the doc.text afterwards. More information here: https://spacy.io/usage/linguistic-features#own-annotations

[edit]: 注意 nlp 和 doc 是 spaCy 中的标准"变量名，它们对应于变量 sp和 sen 分别在您的代码中

[edit]: note that nlp and doc are sort of 'standard' variable names in spaCy, they correspond to the variables sp and sen respectively in your code

这篇关于如何使用标记化的句子作为 Spacy 的 PoS 标记器的输入?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！