EditTreeLemmatizer
一个可训练的组件，用于为词元分配基本形式。该词形还原器使用编辑树将词元转换为基本形式。词形还原模型预测哪个编辑树适用于某个词元。该词形还原器使用的编辑树数据结构和构建方法在Joint Lemmatization and Morphological Tagging with Lemming(Thomas Müller等人，2015年)中提出。
如需基于查找和规则的词形还原器，请参阅Lemmatizer。
Assigned Attributes
预测结果会被赋值给Token.lemma。
| 位置 | 值 |
|---|---|
Token.lemma | The lemma (hash). int |
Token.lemma_ | The lemma. str |
配置与实现
默认配置由管道组件工厂定义，描述了组件应如何配置。您可以通过nlp.add_pipe中的config参数或在训练用的config.cfg中覆盖其设置。有关架构及其参数和超参数的详细信息，请参阅模型架构文档。
| 设置 | 描述 |
|---|---|
model | A model instance that predicts the edit tree probabilities. The output vectors should match the number of edit trees in size, and be normalized as probabilities (all scores between 0 and 1, with the rows summing to 1). Defaults to Tagger. Model[List[Doc], List[Floats2d]] |
backoff | Token attribute to use when no applicable edit tree is found. Defaults to orth. str |
min_tree_freq | Minimum frequency of an edit tree in the training set to be used. Defaults to 3. int |
overwrite | Whether existing annotation is overwritten. Defaults to False. bool |
top_k | The number of most probable edit trees to try before resorting to backoff. Defaults to 1. int |
scorer | The scoring method. Defaults to Scorer.score_token_attr for the attribute "lemma". Optional[Callable] |
explosion/spaCy/master/spacy/pipeline/edit_tree_lemmatizer.py
EditTreeLemmatizer.__init__ 方法
创建一个新的管道实例。在您的应用程序中，通常会使用快捷方式，通过其字符串名称并使用nlp.add_pipe来实例化该组件。
| 名称 | 描述 |
|---|---|
vocab | The shared vocabulary. Vocab |
model | A model instance that predicts the edit tree probabilities. The output vectors should match the number of edit trees in size, and be normalized as probabilities (all scores between 0 and 1, with the rows summing to 1). Model[List[Doc], List[Floats2d]] |
name | String name of the component instance. Used to add entries to the losses during training. str |
| 仅关键字 | |
backoff | Token attribute to use when no applicable edit tree is found. Defaults to orth. str |
min_tree_freq | Minimum frequency of an edit tree in the training set to be used. Defaults to 3. int |
overwrite | Whether existing annotation is overwritten. Defaults to False. bool |
top_k | The number of most probable edit trees to try before resorting to backoff. Defaults to 1. int |
scorer | The scoring method. Defaults to Scorer.score_token_attr for the attribute "lemma". Optional[Callable] |
EditTreeLemmatizer.__call__ 方法
将管道应用于单个文档。文档会被原地修改并返回。
这通常在调用nlp对象处理文本时自动完成，
所有管道组件会按顺序应用于Doc对象。
__call__和
pipe方法都会委托给
predict和
set_annotations方法。
| 名称 | 描述 |
|---|---|
doc | The document to process. Doc |
| 返回值 | 处理后的文档。Doc |
EditTreeLemmatizer.pipe 方法
将管道应用于文档流。这通常在调用nlp对象处理文本时自动完成，所有流水线组件会按顺序应用于Doc对象。无论是__call__还是pipe方法，最终都会委托给predict和set_annotations方法执行。
| 名称 | 描述 |
|---|---|
stream | A stream of documents. Iterable[Doc] |
| 仅关键字 | |
batch_size | The number of documents to buffer. Defaults to 128. int |
| YIELDS | 按顺序处理后的文档。Doc |
EditTreeLemmatizer.initialize 方法v3.0
初始化组件以进行训练。get_examples应为一个返回可迭代Example对象的函数。至少需要提供一个示例。这些数据示例用于初始化组件模型，可以是完整的训练数据或代表性样本。初始化过程包括验证网络、推断缺失形状以及根据数据设置标签方案。该方法通常由Language.initialize调用，并允许您通过配置中的[initialize.components]块来自定义接收的参数。
| 名称 | 描述 |
|---|---|
get_examples | Function that returns gold-standard annotations in the form of Example objects. Must contain at least one Example. Callable[[], Iterable[Example]] |
| 仅关键字 | |
nlp | The current nlp object. Defaults to None. Optional[Language] |
labels | The label information to add to the component, as provided by the label_data property after initialization. To generate a reusable JSON file from your data, you should run the init labels command. If no labels are provided, the get_examples callback is used to extract the labels from the data, which may be a lot slower. Optional[Iterable[str]] |
EditTreeLemmatizer.predict 方法
将组件的模型应用于一批Doc对象，而不修改它们。
| 名称 | 描述 |
|---|---|
docs | The documents to predict. Iterable[Doc] |
| 返回值 | 模型对每个文档的预测结果。 |
EditTreeLemmatizer.set_annotations 方法
使用预先计算的树标识符批量修改Doc对象。
| 名称 | 描述 |
|---|---|
docs | The documents to modify. Iterable[Doc] |
tree_ids | The identifiers of the edit trees to apply, produced by EditTreeLemmatizer.predict. |
EditTreeLemmatizer.update 方法
从一批包含预测和黄金标准注释的Example对象中学习，并更新组件的模型。委托给predict和get_loss。
| 名称 | 描述 |
|---|---|
examples | A batch of Example objects to learn from. Iterable[Example] |
| 仅关键字 | |
drop | The dropout rate. float |
sgd | An optimizer. Will be created via create_optimizer if not set. Optional[Optimizer] |
losses | Optional record of the loss during training. Updated using the component name as the key. Optional[Dict[str, float]] |
| RETURNS | The updated losses dictionary. Dict[str, float] |
EditTreeLemmatizer.get_loss 方法
计算这批文档及其预测分数的损失和损失梯度。
| 名称 | 描述 |
|---|---|
examples | The batch of examples. Iterable[Example] |
scores | Scores representing the model’s predictions. |
| RETURNS | The loss and the gradient, i.e. (loss, gradient). Tuple[float, float] |
EditTreeLemmatizer.create_optimizer 方法
为管道组件创建一个优化器。
| 名称 | 描述 |
|---|---|
| 返回值 | 优化器。Optimizer |
EditTreeLemmatizer.use_params 方法上下文管理器
修改管道的模型，以使用给定的参数值。在上下文结束时，原始参数将被恢复。
| 名称 | 描述 |
|---|---|
params | The parameter values to use in the model. dict |
EditTreeLemmatizer.to_disk 方法
将管道序列化到磁盘。
| 名称 | 描述 |
|---|---|
path | A path to a directory, which will be created if it doesn’t exist. Paths may be either strings or Path-like objects. Union[str,Path] |
| 仅关键字 | |
exclude | String names of serialization fields to exclude. Iterable[str] |
EditTreeLemmatizer.from_disk 方法
从磁盘加载管道。就地修改对象并返回它。
| 名称 | 描述 |
|---|---|
path | A path to a directory. Paths may be either strings or Path-like objects. Union[str,Path] |
| 仅关键字 | |
exclude | String names of serialization fields to exclude. Iterable[str] |
| RETURNS | The modified EditTreeLemmatizer object. EditTreeLemmatizer |
EditTreeLemmatizer.to_bytes 方法
将管道序列化为字节串。
| 名称 | 描述 |
|---|---|
| 仅关键字 | |
exclude | String names of serialization fields to exclude. Iterable[str] |
| RETURNS | The serialized form of the EditTreeLemmatizer object. bytes |
EditTreeLemmatizer.from_bytes 方法
从字节串加载管道。原地修改对象并返回它。
| 名称 | 描述 |
|---|---|
bytes_data | The data to load from. bytes |
| 仅关键字 | |
exclude | String names of serialization fields to exclude. Iterable[str] |
| RETURNS | The EditTreeLemmatizer object. EditTreeLemmatizer |
EditTreeLemmatizer.labels 属性
当前添加到组件中的标签。
| 名称 | 描述 |
|---|---|
| 返回值 | 添加到组件的标签。Tuple[str, …] |
EditTreeLemmatizer.label_data 属性v3.0
当前添加到组件的标签及其内部元信息。
这是由init labels生成的数据，并被
EditTreeLemmatizer.initialize用于
使用预定义的标签集初始化模型。
| 名称 | 描述 |
|---|---|
| 返回值 | 添加到组件的标签数据。Tuple[str, …] |
序列化字段
在序列化过程中，spaCy会导出多个用于恢复对象不同方面的数据字段。如果需要，您可以通过exclude参数传入字符串名称来将它们排除在序列化之外。
| 名称 | 描述 |
|---|---|
vocab | The shared Vocab. |
cfg | The config file. You usually don’t want to exclude this. |
model | The binary model data. You usually don’t want to exclude this. |
trees | The edit trees. You usually don’t want to exclude this. |