该组件用于根据词性标签或查找表规则为词元分配基本形式。不同的Language子类可以通过特定语言的工厂实现自己的词形还原组件。默认使用的数据由spacy-lookups-data扩展包提供。

关于可训练的词汇还原器，请参阅EditTreeLemmatizer。

Assigned Attributes

由规则生成或预测的词元将被保存到Token.lemma中。

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上的config参数或在训练用的config.cfg中覆盖其设置。要查看基于查找和规则的词形还原器使用的查找数据格式示例，请参阅spacy-lookups-data。

许多语言如果存在更好的词形还原器，会指定默认的词形还原模式而非lookup。词形还原模式rule和pos_lookup需要来自前一个流水线组件的token.pos（参见预训练流水线设计细节中的示例配置），或依赖第三方库（pymorphy3）。

explosion/spaCy/master/spacy/pipeline/lemmatizer.py

Lemmatizer.__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。

Lemmatizer.__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。

Lemmatizer.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。

Lemmatizer.initialize 方法

初始化词形还原器并加载所有数据资源。该方法通常由Language.initialize调用，允许您通过配置中的[initialize.components]块来自定义接收的参数。加载过程仅在初始化期间进行，通常在训练之前。运行时所有数据都从磁盘加载。

Lemmatizer.lookup_lemmatize 方法

使用基于查找的方法对标记进行词形还原。如果未找到词元，则返回原始字符串。

Lemmatizer.rule_lemmatize 方法

使用基于规则的方法对标记进行词形还原。通常依赖于词性标注。

Lemmatizer.is_base_form 方法

检查我们是否在处理一个无屈折变化的范式，这样我们可以完全避免词形还原。

Lemmatizer.get_lookups_config 类方法

返回给定模式下的查找表配置设置，用于Lemmatizer.load_lookups。

Lemmatizer.to_disk 方法

将管道序列化到磁盘。

Lemmatizer.from_disk 方法

从磁盘加载管道。就地修改对象并返回它。

Lemmatizer.to_bytes 方法

将管道序列化为字节串。

Lemmatizer.from_bytes 方法

从字节串加载管道。原地修改对象并返回它。

属性

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。