python-3.x - 从 SpaCy 中删除跨度中的单词？

Question

我正在用 Spacy 解析一个句子，如下所示:

import spacy
nlp = spacy.load("en")
span = nlp("This is some text.")

我想知道是否有一种方法可以删除跨度中的单词，同时仍然保持剩余单词的格式像句子一样。如

del span[3]

这可能会产生这样的句子

This is some.

如果其他一些没有 SpaCy 的方法也能达到同样的效果，那也太棒了。

Answer 1

有一个解决方法。

这个想法是您从文档创建一个 numpy 数组，删除不需要的条目，然后从新的 numpy 数组创建一个文档。

import spacy
from spacy.attrs import LOWER, POS, ENT_TYPE, IS_ALPHA
from spacy.tokens import Doc
import numpy

def remove_span(doc, index):
    np_array = doc.to_array([LOWER, POS, ENT_TYPE, IS_ALPHA])
    np_array_2 = numpy.delete(np_array, (index), axis = 0)
    doc2 = Doc(doc.vocab, words=[t.text for i, t in enumerate(doc) if i!=index])
    doc2.from_array([LOWER, POS, ENT_TYPE, IS_ALPHA], np_array_2)
    return doc2

# load english model
nlp = spacy.load('en')
doc = nlp("This is some text")
new_doc = remove_span(doc, 3)
print(new_doc)

希望能帮助到你!