spacy : 如何将单词及其属性添加到词汇表（vocab）中？

Question

当spacy的词汇中添加一个单词时， 为了使用语言功能，还需要添加一些信息，例如引理和标签。

如何将此功能添加到词汇中？这些更改是临时进行的还是每次我调用 spacy 时进行？

---

我找不到有关词汇源的任何信息来告诉我如何设置单词（而不是它们的向量）。

到目前为止，我正在通过调用来检查词汇中是否有某个单词

word = "apple"
word in list(nlp.vocab.strings)

因为

word in nlp.vocab, nlp.vocab.has_vector(word), nlp.vocab.get_vector(word)

总是给我

False

作为答案。

Answer 1

标签和引理不是词汇表的一部分，因为

Vocab

条目（

Lexeme

）仅包含上下文无关的特征。请参阅：https://spacy.io/api/lexeme

您可以在

Token

中的

Doc

上设置标签和引理，而不是在

Lexeme

上。

另请注意，

nlp.vocab.strings

不是词汇中的单词，而是单词/标签等。在

StringStore

。

nlp.vocab

是带有

Vocab

条目的

Lexeme

。

nlp.vocab

和

nlp.vocab.strings

都应该被认为是根据需要添加词素和字符串的缓存，因此一个项目当前是否在

nlp.vocab

或

nlp.vocab.strings

中主要指示它是否以前见过，没有太多其他信息。每次加载

nlp.vocab

时，

nlp

几乎都是空的，并随着文本处理而扩展。