在空白和预训练的SpaCy模型上使用nlp.update()时有区别吗？
在空白和预训练的SpaCy模型上使用nlp.update()时有一些区别。
首先，SpaCy是一个流行的自然语言处理（NLP）库，它提供了许多预训练的模型，也允许用户在空白模型上进行自定义训练。
在空白模型上使用nlp.update()时，我们需要从头开始训练模型，这意味着我们需要提供训练数据和标签，并通过多次迭代来更新模型的权重。这种方法适用于特定领域的任务，例如命名实体识别或文本分类，因为我们可以根据自己的需求定义标签和训练数据。
而在预训练的SpaCy模型上使用nlp.update()时，我们可以利用已经训练好的模型的知识，并在现有的模型基础上进行微调。这种方法通常适用于通用的NLP任务，例如词性标注或句法分析。通过在现有模型上进行微调，我们可以更快地获得较好的性能，并且不需要大量的训练数据。
总结来说，使用nlp.update()时，在空白模型上进行训练需要更多的训练数据和时间，但可以实现更定制化的任务。而在预训练的模型上进行微调可以更快地获得较好的性能，但可能不够灵活适应特定领域的需求。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云自然语言处理（NLP）：https://cloud.tencent.com/product/nlp
相关·内容
1回答
目前，我正试图使用spacy来训练文本分类器，我遇到了以下问题:使用spacy.blank('en')创建空白模型与使用经过预先训练的模型spacy.load('en_core_web_sm')有什么区别。为了了解我编写的代码的不同之处：
text = "hello everyone, it's a wonderful day today"
nlp1 = spacy.load('en_core_web_sm')
for token in nlp1(text):
print(token.text, token.le
浏览 2提问于2020-03-27得票数 3
回答已采纳
我需要训练一个spaCy模型来提高识别产品的准确性。我正在努力训练我的spacy模型。我有以下代码： TRAIN_DATA = [('..., {'entities': [(36,55,'PRODUCT')]})]
nlp = spacy.load("en_core_web_lg")
ner = nlp.get_pipe("ner")
optimizer = nlp.create_optimizer()
other_pipes = [pipe for pipe in nlp.pipe_names if pipe !=
浏览 22提问于2021-06-20得票数 0
回答已采纳
1回答
我曾经训练过一个spacy textcat模型，但后来我意识到有一些不正确的训练数据:来自一个类别的数据碰巧被标记为另一个类别。我的问题是，在没有再培训的情况下，是否可以将这些训练样本从模型中删除？有点像nlp.update()，但反过来呢？会很感激你的帮助！
浏览 0提问于2020-04-01得票数 1
回答已采纳
1回答
我正在用更新函数训练我的模型：
for batch in minibatch(TRAIN_DATA, size=10):
for text, annotations in batch:
doc = nlp.make_doc(text)
example = Example.from_dict(doc, annotations)
nlp.update([example], drop=0.35, sgd=optimizer, losses=losses)
这种训练只使用一个cpu核心，空间为3.2.3，可以做些什么来训练多处理？
据我所知，训练
浏览 1提问于2022-03-15得票数 1
1回答
这是一个简单的代码，它是从教程文档中提取的(或多或少)。一旦我使用下面的训练代码训练了NER模型，我就在for循环中使用nlp(sentence).ents来获取命名实体。如您所见，我使用了一个空白模型spacy.blank('en') --这是因为我要添加新的实体。但是没有从测试集中检测到任何实体。
import spacy
import random
from spacy.util import compounding
from spacy.util import minibatch
def get_batches(train_data, model_type):
浏览 2提问于2019-01-28得票数 1
1回答
我想创建自己的spacy训练模型。使用下面的代码，我得到了错误。 TRAIN_DATA = [
("Uber blew through $1 million a week", [(0, 4, 'ORG')]),
("Android Pay expands to Canada", [(0, 11, 'PRODUCT'), (23, 30, 'GPE')]),
("Spotify steps up Asia expansion", [(0, 8, "ORG"),
浏览 13提问于2020-06-20得票数 0
回答已采纳
1回答
我正在尝试加载我之前训练过的spaCy文本分类模型。训练完成后，模型被保存到en_textcat_demo-0.0.0.tar.gz文件中。 我想在jupyter笔记本上使用这个模型，但是当我这样做的时候 import spacy
spacy.load("spacy_files/en_textcat_demo-0.0.0.tar.gz") 我得到了 OSError: [E053] Could not read meta.json from spacy_files/en_textcat_demo-0.0.0.tar.gz 在这里加载模型的正确方法是什么？
浏览 23提问于2021-07-27得票数 1
回答已采纳
1回答
我想要逐步培训一个新的空间模型。
逐步地，我指的是发送第一批N个训练样本，得到第一个模型，然后发送第二批M训练样本，得到一个模型，就像N+M样本会被一批发送，模型被训练一样。
要明确的是，这并不是在模型经过充分训练之后添加样本。相反，它是在模型中保存中间状态的能力，这样我们就可以“恢复”并添加更多的训练样本。
如果样本数量很大，或者创建一个“主动学习”系统，这是非常有用的。
根据的说法，NLTK似乎可以做到这一点:我想知道Spacy是否能做到这一点。
到目前为止，我已经使用nlp.update使用Spacy训练了自己的自定义NER模型，但是它似乎没有存储任何支持增量培训的中间状态。
浏览 1提问于2019-05-15得票数 1
当我使用Spacy训练一个NER模型并监控我的CPU时，我可以看到它只使用了一个内核。 我在Spacy文档中只找到了一个多处理的示例，但它不适用于训练：https://github.com/explosion/spaCy/blob/master/examples/pipeline/multi_processing.py我只是使用示例中提供的训练代码，但是在TRAINING_DATA中有一个500000元组的列表，该列表遵循相同的结构：("rawtext"，{"entities"：(entity_start_offset，entity_end_offset，&#
浏览 9提问于2019-06-14得票数 0
我想使用spacy的NER模型从头开始训练一个使用100万个句子的模型。该模型只有两种类型的实体。这是我正在使用的代码。因为我不能共享数据，所以我创建了一个虚拟数据集。 我的主要问题是模型训练时间太长。如果你能强调我代码中的任何错误，或者建议其他方法来加速训练，我将不胜感激。 TRAIN_DATA = [ ('Ich bin in Bremen', {'entities': [(11, 17, 'loc')]})] * 1000000
import spacy
import random
from spacy.util import mi
浏览 13提问于2019-05-04得票数 2
1回答
SpaCy二进制文本分类
、、、
我有两个文件夹的数据集。其中一个包含与个人信息(如姓名、电子邮件、地址等)相关的文档(文本、pdfs)，另一个包含非个人信息。
我必须使用Spacy训练一个基于这两个文件夹的模型。因此，当我们预测一个给定的文档时，它应该在这两个文件夹之间进行预测。
我试着写了很多借鉴吉顿的代码，但似乎什么都没有用。
所以，有人能给我一个代码样本来根据上面给出的信息来训练一个模型并进行预测吗？
我在下面的代码上做了一些操作
import spacy
from spacy import displacy
from spacy.util import minibatch, compounding
train_da
浏览 0提问于2019-07-22得票数 0
1回答
我有以下代码来创建和训练一个新的spacy模型。我不知道如何从新文本中预测实体？ 有人能帮上忙吗？ TRAIN_DATA = [
("Uber blew through $1 million a week", [(0, 4, 'ORG')]),
("Android Pay expands to Canada", [(0, 11, 'PRODUCT'), (23, 30, 'GPE')]),
("Spotify steps up Asia expansion", [(0, 8
浏览 12提问于2020-06-21得票数 0
回答已采纳
我已经有了一个现有的spaCy模型，我想在运行时用额外的训练数据来改进它。
例如，我的训练模型中的训练dataSet如下所示：
text="Anna lives in Munich and works at BMW"
entity: name=Anna
entity: city=Munich
entity: company=BMW
在我的实现中，在开始新的训练之前，我从现有模型中获取ner：
nlp = spacy.load(modelPath)
ner = nlp.get_pipe('ner')
然后我用新的TrainingData训练我现有
浏览 2提问于2020-07-29得票数 0
我已经在spacy的5个实体的空白模型上进行了训练，现在我已经用2个新实体创建了一个新数据。在具有5个实体的旧模型上进行训练， nlp.add_label(LABEL) 给出错误： AttributeError：'English‘对象没有'add_label’属性 Spacy版本: 2.1.4 Python : 3.6
浏览 12提问于2019-09-03得票数 1
1回答
关于示例中使用的小型批处理，我有一个问题。
主训练回路如下所示：
for i in range(n_iter):
losses = {}
# batch up the examples using spaCy's minibatch
batches = minibatch(train_data, size=compounding(4., 32., 1.001))
for batch in batches:
texts, annotations = zi
浏览 0提问于2019-01-13得票数 1
2回答
如何使用Spacy创建一个新的名称实体“病例”-在传染病病例数量的上下文中，然后提取这与病例基数之间的依赖关系。
例如，在以下文本中，“1995年10月9日至11月5日期间报告了879例病例，其中4例死亡。”我们想要提取"879“和”case“
在Spacy的示例文档页面上，按照"Training a additional entity type“的代码：
我使用他们现有的预训练的"en_core_web_sm“英语模型，成功地训练了一个名为"CASES”的附加实体：
from __future__ import unicode_literals, print
浏览 6提问于2020-03-10得票数 1
下面的代码是一个用于SpaCy命名实体识别(NER)的示例训练循环。
for itn in range(100):
random.shuffle(train_data)
for raw_text, entity_offsets in train_data:
doc = nlp.make_doc(raw_text)
gold = GoldParse(doc, entities=entity_offsets)
nlp.update([doc], [gold], drop=0.5, sgd=optimizer)
nlp.to_disk(
浏览 1提问于2019-08-06得票数 4
回答已采纳
我试图用en_core_web_md以外的几轮光束目标来更新经过预先训练的spacy模型beam_width = 1，而且我似乎找不到正确的方法将不同的参数传递到**cfg中，以便该模型使用它们进行训练(在点)。
这是我的最新尝试：
pipe_exceptions = ["ner", "trf_wordpiecer", "trf_tok2vec"]
other_pipes = [pipe for pipe in nlp.pipe_names if pipe not in pipe_exceptions]
# only train NER
with
浏览 0提问于2020-08-11得票数 2
我对spacy模型的输入数据在BILUO标记方案中，我希望将其作为某些需求的一部分使用。当我试图简单地训练模型，没有一个小批，它的工作很好(评论部分)。但我不知道如何在这里使用小型批处理和GoldParse，以提高模型的准确性。我的期望在这里是有效的吗，因为我找不到这样的组合的一个例子？此外，我已经用开始，结束，标签格式的方法训练了模型。请帮我弄清楚这部分。我的代码如下，
import spacy
from spacy.gold import offsets_from_biluo_tags
from spacy.gold import biluo_tags_from_offsets
impor
浏览 4提问于2020-11-09得票数 3
回答已采纳
1回答
训练自定义NER模型
、、、、
我一直在一些文本上训练我的NER模型，并试图在其中找到具有自定义实体的城市。
示例：-
('paragraph Designated Offices Party A New York Party B Delaware paragraph pricing source calculation Market Value shall generally accepted pricing source reasonably agreed parties paragraph Spot rate Spot Rate specified paragraph reasonably agreed
浏览 1提问于2019-12-03得票数 1
1回答
我正在尝试在5000万个样本上训练一个自定义的NER模型。我正在使用20次迭代的进行建模。我想知道我是否应该使用交叉验证来获得更准确的样本准确性。如果是，那么交叉验证步骤应该在哪里进行？如果没有，那么我如何拆分/分发我的训练和测试数据，因为我正在使用注释和6个自定义实体，并且很难跟踪每个训练和测试数据中带注释的标签的百分比，因为它是均匀分布的。
这是我用来训练的代码-
def train_spacy(data, iterations):
TRAIN_DATA = data
# create blank Language class
nlp = spacy.blank(
浏览 3提问于2019-08-01得票数 1
我正在使用training spacy NER从resume.But error中提取技能信息 在NER模型中找不到名为“U-SKILL”的过渡 训练数据： [(U“我有2年的Python经验”，{"entities"：(30，35，"SKILL")})] 代码： other_pipes = [pipe for pipe in nlp.pipe_names if pipe != "ner"]
with nlp.disable_pipes(*other_pipes):
optimizer = nlp.begin_training()
浏览 46提问于2019-04-17得票数 4
1回答
尝试训练spacy模型时的值错误
、、、、
我试着训练一个spacy模型，但是最近我开始发现一些错误，我得到了下面的错误，我希望有人帮助我解决错误。
def train_model(model, train_data, optimizer, batch_size, epochs=10):
losses = {}
random.seed(1)
for epoch in range(epochs):
random.shuffle(train_data)
batches = minibatch(train_data, size=
浏览 12提问于2022-03-14得票数 2
回答已采纳
1回答
我正在为我的硕士论文开发一个命名实体识别功能。我想利用"en_core_web_sm“语言包来训练识别产品的能力。 在训练模型之前，未经训练的模型("en_core_web_sm")能够识别不同的实体，如“PERSON”、“ORG”、“GPE”、“DATE”、……在“验证句子中。产品偶尔会被识别，但标签通常是不正确的。在训练模型之后，只有'PRODUCT‘类型的实体被识别，而没有其他实体，尽管应该有个人，组织，...被识别。 我感觉我的模型忘记了其他实体，在训练之后只“知道”了产品实体。 这是我的训练代码： #nlp = spacy.load("en_
浏览 22提问于2021-06-23得票数 1
回答已采纳
我正在尝试在一些培训数据上创建一个自定义模型。为此，我想培训一个自定义文本分类模型。这是我的方法(简化)：
首先，我有一些训练数据，看起来如下：
train_data = [('Some text....', {'cats': {'POSITIVE': True, 'NEGATIVE': False}}), ("Another text......", {'cats': {'POSITIVE': True, 'NEGATIVE': False}})]
然后，我尝试创建
浏览 0提问于2021-02-19得票数 0
加载经过预训练的空间模型对定制数据进行细化
spacy.require_gpu()
nlp = spacy.load("en_core_web_trf",exclude=['tagger', 'parser', 'attribute_ruler', 'lemmatizer'])
加载验证时获取错误
model=spacy.load(category_output_dir + "/%s" % itn,exclude=['tagger', 'parser', 'a
浏览 2提问于2020-11-23得票数 2
当我们训练自定义模型时，我确实看到我们需要调整掉的参数和n_iter参数，但是Spacy使用什么深度学习算法来训练自定义模型呢？另外，当添加新的实体类型时，创建空白或在现有模型上进行培训是好的吗？
浏览 5提问于2020-02-24得票数 7
回答已采纳
1回答
我试着训练数据集： [(‘文本数据文本数据.’，{'entities'：(7，19，'PERSON')，(89，91，'PERSON')，(98,101，'PERSON')})，(‘’文本数据文本数据.‘，{'entities'：(119,137，'PERSON')})，] n_iter = 8
nlp = spacy.blank('en')
ner = nlp.create_pipe('ner')
for _, annotations in TRAIN_DATA:
浏览 70提问于2021-09-07得票数 2
我使用空空白空间模型来训练我自己的ner数据。我正在为来自train_data的实体训练我的模型。
nlp = spacy.blank('en')
def train_model(train_data) :
if 'ner' not in nlp.pipe_names:
ner = nlp.create_pipe('ner')
nlp.add_pipe(ner)
for _ ,annotation in train_data :
for ent in an
浏览 9提问于2021-07-06得票数 0
你好，开发人员，希望你做得很好，我有点纠结于一个问题，正在寻求社区的帮助
import spacy
import json
nlp = spacy.load("en_core_web_sm")
text = "Apple and Facebook and jobtarget looking at buying U.K. ie London startup for $1 billion and hiring more software engineer's lets see "
entity = [
{
"wor
浏览 0提问于2021-01-21得票数 0
1回答
我尝试在每次迭代后保存到Spacy自定义NER模型。我们是否有类似于tensorflow中的API来在每/确定否之后保存模型权重。迭代次数。然后我可以重新加载保存的模型，并从那里继续训练。
另外，我如何在linux中利用我系统上的所有内核。我发现四个内核中只有两个在使用。他们使用多任务CNN进行NER，我知道在CPU上重新训练需要更多的时间。还有其他加速NER模型训练的方法。
@plac.annotations(
model=("Model name. Defaults to blank 'en' model.", "option", &
浏览 14提问于2018-01-19得票数 1
我是新来的nlp，我开始学习如何培训自定义的人在空间。
TRAIN_DATA = [
('what is the price of polo?', {'entities': [(21, 25, 'Product')]}),
('what is the price of ball?', {'entities': [(21, 25, 'Product')]}),
('what is the price of jegging?'
浏览 8提问于2021-12-17得票数 3
回答已采纳
1回答
是否可以使用验证数据来训练SpaCy NER？或者像Keras中那样将一些数据拆分到验证集(model.fit中的validation_split)？谢谢 with nlp.disable_pipes(*other_pipes): # only train NER
for itn in tqdm(range(n_iter)):
random.shuffle(train_data_list)
losses = {}
# batch up the examples using spaCy's min
浏览 11提问于2020-01-06得票数 0
回答已采纳
1回答
当我试图在spacy中保存一个训练好的模型时，我得到了许可错误13。我也尝试过更改目录。我试图在给定的情况下重现此示例，以便在spacy`s的命名实体识别器中训练自定义实体。
import random
TRAIN_DATA = [
("Uber blew through $1 million a week", {'entities': [(0, 4, 'ORG')]}),
("Google rebrands its business apps", {'entities': [(0, 6,
浏览 10提问于2018-01-09得票数 1
回答已采纳
1回答
spacy是如何重新训练模型的？
、、、、
之前的令牌'Modi‘被spacy识别为一个组织，我用下面的代码重新训练它：
import spacy
import random
nlp = spacy.load('en')
nlp.entity.add_label('CELEBRITY')
TRAIN_DATA = [
(u"Modi", {"entities": [(0, 4, "PERSON")]}),
(u"India", {"entities": [(0, 5, "GPE
浏览 20提问于2019-07-23得票数 0
1回答
蟒蛇空间的多线程训练
、、、
我试图找到一种方法来使用多线程在spacy上训练一个新的模型。它看起来像在我的工作计算机(Ubuntu16.04Python3.5)上默认使用多线程，而不是在我的服务器上使用。
知道为什么吗？
关于服务器上的spaCy & env的信息
Platform Linux-3.14.32-xxxx-grs-ipv6-64-x86_64-with-Debian-8
Python version 3.4.2
Location /home/nlp/.env/lib/python3.4/site-packages/spacy
Mod
浏览 0提问于2018-01-30得票数 2
回答已采纳
我在这个问题上压力太久了，似乎找不到解决办法。我想训练一个新的模型来识别动物和物种的名字。我创建了一个模拟训练集来测试它。然而，我总是得到一个ValueError: [E973] Unexpected type for NER data
我曾在StackOverflow上的其他帖子上尝试过其他解决方案，包括：
使用spacy.blank('en')Installing spacy-lookups-data而不是重复检查培训集的格式和类型是否正确
所有这些都会导致相同的错误。
import os
import spacy
from spacy.lang.en import Eng
浏览 39提问于2022-02-24得票数 1
我正试着训练新的实体为斯佩西纳。我尝试将我的新实体添加到现有的spacy 'en‘模型中。然而，这影响了'en'和我的新实体的预测模型。
因此，我建立了一个空白模型并训练了实体识别。这个效果很好。然而，它只能预测我训练过的对象，而不能预测常规的spacy实体识别。
比如说我把“马”训练成动物实体。
对于给定的文本
txt ='Did you know that George bought those horses for 10000 dollars?'
我期待着下列实体得到认可
George - PERSON
horses - ANIMAL
10000
浏览 0提问于2019-02-24得票数 15
我正在尝试在我自己的词典上训练现有的词性标记器，而不是从头开始(我不想创建一个“空模型”)。在spaCy的文档中，它说“加载您想要统计的模型”，下一步是“使用add_label方法将标记映射添加到标记器”。然而，当我试图加载英文小模型，并添加标签映射时，它抛出了这个错误： ValueError:当前不支持T003调整预先训练好的标记器模型的大小。 我想知道怎样才能解决这个问题。 我也看过Implementing custom POS Tagger in Spacy over existing english model : NLP - Python，但它建议我们创建一个“空模型”，这不是我想
浏览 40提问于2019-06-27得票数 2
我想知道在spacy_sklearn和tensorflow_embedding管道之间是否有什么基本的区别。我的意思是tensorflow_embedding也必须使用相同的词嵌入概念，使用PCA等来降低数据的维度。那么唯一的区别是spacy_sklearn有一些预训练的数据以预训练向量的形式绘制，而tensorflow管道没有吗?我的理解正确吗?还有tensorflow_embedding管道与谷歌提供的tensorflow框架有什么关系？
我试着在google上搜索tensorflow框架，但没有得到任何具体的答案。我也在RASA社区页面上搜索了一下，但再次没有找到帮助
浏览 0提问于2019-02-06得票数 0
我正在尝试训练spacy NER模型，我有大约2600个段落的数据，每个段落的长度从200到800个单词不等。我必须添加两个新的实体标签，产品和规范。如果没有最好的替代方法，这种方法是不是很好呢？如果可以，那么有没有人能给我建议合适的复合因子和批量大小的值，并且在训练时，损失值应该在范围内，有什么想法吗？到目前为止，我得到的损失值在400-5之间。 def main(model=None, new_model_name='product_details_parser',
output_dir=Path('/xyz_path/'), n_iter=20):
&
浏览 9提问于2019-01-05得票数 2
这是我训练一个已经存在的模型的代码。由于SpaCy中的更新，我收到了这个错误消息，但是我无法解决这个问题。
ValueError:使用两个位置参数调用E989 nlp.update()。这可能是由于spaCy 3.0中的培训数据格式发生了向后不兼容的更改。现在应该用一批示例对象来调用'update‘函数，而不是使用(text, annotation)元组。
def train_spacy(train_data, labels, iterations, dropout = 0.5, display_freq = 1):
valid_f1scores=[]
t
浏览 11提问于2022-01-07得票数 2
回答已采纳
我正在尝试向spacy添加一个新的命名实体，但我无法获得用于ner训练的示例对象的良好示例，并且我得到了一个值错误。下面是我的代码：
import spacy
from spacy.util import minibatch, compounding
from pathlib import Path
from spacy.training import Example
nlp=spacy.load('en_core_web_lg')
ner=nlp.get_pipe("ner")
TRAIN_DATA=[('ABC is a worldwide or
浏览 13提问于2021-02-25得票数 1
回答已采纳
我有一个带注释的数据集(TRAIN_DATA)，我使用它来构建自己的NER模型： nlp = spacy.blank("en")
if "ner" not in nlp.pipe_names:
nlp.add_pipe("ner", last=True)
examples_train = []
for text, annotations in TRAIN_DATA:
examples_train.append(Example.from_dict(nlp.make_doc(text)
pipe_exceptions = [&
浏览 42提问于2021-08-30得票数 0
当我训练我的spacy模型时，如下所示
spacy train config.cfg --paths.train ./train.spacy --paths.dev ./dev.spacy
该模型在train.spacy数据文件上进行训练，在dev.spacy上得分。然后output_updated/model-best是得分最高的模型。
这个最好的模型最终是在结合列车和开发数据的基础上进行的吗？我明白，分裂这些数据集是有意义的，以避免过度拟合，但考虑到很少的训练数据，我希望最后的模型能够对我手头的所有数据进行培训。
浏览 1提问于2022-02-13得票数 1
回答已采纳
1回答
我目前正在训练一个多标签文本分类的SpaCy模型。有6个标签:愤怒、期待、厌恶、恐惧、joy、悲伤、惊讶和信任。数据集超过200 K。然而，每一时期都需要4个小时。我想知道是否有一种方法可以优化训练并加快速度，也许我在这里跳过了一些可以改进模型的东西。
TRAINING_DATA
TRAIN_DATA = list(zip(train_texts, [{"cats": cats} for cats in final_train_cats]))
[...
{'cats': {'anger': 1,
'anticipation
浏览 3提问于2020-09-04得票数 1
回答已采纳
我正在使用Rasa NLU。我有3个模型使用不同的训练数据集使用相同的流水线进行训练。管道使用Spacy进行标记化并构建WordVec。
当我将这3个模型都加载到内存中时，Rasa将Spacy en_core_web_lg模型加载到内存中的确切次数是多少？我们可以在多个经过训练的NLU模型之间共享相同的Spacy模型吗？
浏览 0提问于2021-02-11得票数 1
1回答
我试图使用创建一个新的实体分类“物种”，并列出一个物种名称，例如，他能找到吗？
我找到了一个教程，用于从 (Github代码)中训练新的实体类型。然而，问题是，我不想手动为每个物种的名字创建一个句子，因为这将是非常耗时的。
我创建了下面的培训数据，如下所示：
TRAIN_DATA = [('Bombina',{'entities':[(0,6,'SPECIES')]}),
('Dermaptera',{'entities':[(0,9,'SPECIES')]}),
....
]
我创建培训集
浏览 0提问于2018-05-29得票数 14
1回答
我已经在下面的句子上训练了一个spacy模型。
sent1 - STREET abc city: pqr COUNTY: STATE: qw ziP: 99999
sent2 - STREET qwe city: ewwe COUNTY: STATE: we ziP: 99990
我已作了说明如下：
risk_street_label STREET
risk_street_value abc
risk_city_label city
risk_city_value pqr
risk_state_label STATE
risk_state_value qw
浏览 1提问于2019-10-31得票数 0
回答已采纳
我想用标签和数据数据来训练spacy文本分类器。但我不能正确的training_data，并通过它的训练。
Dataframe示例：
category word score
0 anger fasten 0.0
1 anger morals 1.0
2 anger tributary 0.0
3 anger changer 0.0
4 anger morality 0.0
... ... ... ...
184125 trust amber 0.0
184126 trust pulmonary 0.0
18
浏览 2提问于2020-09-03得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
