如何在 spaCy 上为每个单词使用已实现的标签？

Question

我想做什么

我想提取在 spaCy、自然语言 OSS 上给出特定 label 的单词。

spaCy 上的特定标签

在下面的情况下，我希望打印单词English ，因为选择了 label LANGUAGE 。

English

问题

没有用于在每个单词上提取标签的示例代码。

如何解决以下错误？

TypeError: Argument 'string' has incorrect type (expected str, got spacy.tokens.token.Token)

当前代码

import spacy
from spacy import displacy
nlp = spacy.load("en_core_web_sm")

words = ['America', 'American', 'Christmas', 'English']
words = nlp(words)
for w in words:
    if w.label_=="LANGUAGE":
        print(w) #English

我试过的

我已经破解了每个 label 和用于可视化的示例代码。

此外，非句子输入 ` 可以在 web 浏览器的 spaCy vizualizer 上执行。

output

American NORP speaks English LANGUAGE and celebrates Christmas DATE in America GPE .

此代码来自spaCy 主页上的示例代码。 代码

import spacy
from spacy import displacy
nlp = spacy.load("en_core_web_sm")

text = "American speaks English and celebrates Christmas in America."
doc = nlp(text)
displacy.serve(doc, style="ent")

Answer 1

您可以执行以下操作：

import spacy
nlp = spacy.load("en_core_web_sm")

words = ['America', 'American', 'Christmas', 'English']
words = nlp('. '.join(words) + '.')
for w in words.ents:
    if w.label_=="LANGUAGE":
        print(w.text) #English

请记住，spacy 通过查看整个上下文和语法来查找文本中的命名实体。 例如，一个命名实体可以是“The United States of America”，即 4 个单词。 如果您希望逐字查看，则需要对该“文本”赋予正确的语法意义。 这就是为什么我通过在每个单词后使用句点来分隔文本（您的单词列表）。