使用Python和Cython的工业强度自然语言处理（NLP）
我有来自Twitter帐户的一些文本数据。这些推文包含的数字是指在健身房的特定区域（通常是举重室和有氧运动区域）有多少人。我想 ...
我在下面的文字打印上做了NER（[（i.text，i.label_）for i in doc.ents]）我的文字看起来像ZS L-1 Cocoa＆Burgers Ltd - 2013至2017我得到的输出（ 'ZS L-1'，'ORG'），（'...
在SpacyV1中，可以通过提供BILOU格式的文档和实体注释列表来训练NER模型。然而似乎在V2培训中只有通过提供实体才有可能......
我正在尝试培训一种新的Spacy模型来识别对法律文章的引用。我开始使用空白模型，并根据文档中给出的示例训练ner管道。 ......
我已经为spacy的ner模型提供了一套GoldParse对象来训练。我现在要做的是评估新句子的结果，并将每个公认的实体标记为“好”或“坏”，然后......
我想转换为不使用此代码：doc = nlp（u“this。不是ad-versere”）special_case = [{ORTH：u“not”}] nlp.tokenizer.add_special_case（u“n 't'，specia_case）打印[text.orth_ for doc in doc] ...
加载spacy模型时出错AttributeError：module'msgpack._unpacker'没有属性'unpack'
我在为spacy 2.0.8加载模型时遇到问题，但对于以前的版本2.0.7也是如此。你有什么想法吗？在此先感谢nlp = spacy.load（'en_core_web_lg'，...
我有一个销售的csv记录，每个记录都有列客户名称。此列是人员姓名和组织名称的组合。如何使用spacy来检测此列是人还是......
我想在每次迭代后保存到Spacy自定义NER模型。我们是否有任何类似于tensorflow中的API，以便在每个/确定没有后保存模型权重。迭代。然后我可以......
我在spaCy中使用自定义标记器训练了一个自定义NER模型。我想在没有tokenizer的情况下保存NER模型。我在spaCy支持论坛中找到了以下代码：import ...
我正在做一些Textmining，因此我需要在标记化之后将我的文档变形。所以我编写了一个函数，它使用python nlp libary spacy将我的标记化文本列转换为...
我正在尝试安装spacy'en_core_web_md'模型，但每当我尝试使用此python命令下载它时，我会得到超时消息：'python -m spacy download en_core_web_md'错误消息：...
我之前运行了python -m spacy.en.download进行数据实验并下载了大约1 GB的数据。我可以知道如何找到并删除我的mac上的数据以取出一些空间吗？
spacy的en_core_web_sm，en_core_web_md和en_core_web_lg模型有什么区别？
我在我的系统上安装了spacy，我想解析提取人名，组织英语。但我在这里看到，有4个英语模型。还有模型版本。我没得到哪个型号......
我有一个文本文件，其中包含以下数据：姓氏，在某些情况下的名字例如：患者由道格拉斯博士，约翰转介，更新：Acosta，Christina病人是......
我有一个由nltk.tree制作的列表.Tree >>>问题''碧昂丝什么时候开始变得流行？' >>> questionSpacy = spacy_nlp（问题）>>> print（questionSpacy）[树（'...
以下是我获取用户输入的代码。 import en_core_web_sm nlp = en_core_web_sm.load（）text = input（“请在这里输入你的文字或文字”）doc = nlp（text）print（[t.text for t in doc] ...
有没有一种从字符索引中获取令牌的简单方法？对于每个doc，我都有一个由字符索引（start，end）标识的目标词或短语。 doc.char_span（）方法可以返回...
如何使用spacy将python中的列表列表变为lemmati？
我有一个列表列表，其中包含需要被词形化的单词。我收到一个错误，指出字符串是必需的而不是列表，因为我正在使用Spacy。如果我转换为字符串，即nlp（str（...
ValueError：操作数无法与形状一起广播（11,384）（96，）（11,384）
nlp = spacy.load（'en_core_web_sm'）vecs1 = [] 对于tqdm中的qu1（列表（train_df ['question1']））： doc1 = nlp（qu1） mean_vec1 = np.zeros（[len（doc1），384]） ...