spacy - 如何为 TextCategorizer 培训创建黄金数据？

Question

我想用以下 (text, label) 训练一个 TextCategorizer 模型对。

标签颜色:

门是棕色的。

谷仓是红色的。

花是黄色的。

标签动物:

马在奔跑。

鱼在跳。

鸡睡着了。

我正在复制 documentation for TextCategorizer 中的示例代码.

textcat = TextCategorizer(nlp.vocab)
losses = {}
optimizer = nlp.begin_training()
textcat.update([doc1, doc2], [gold1, gold2], losses=losses, sgd=optimizer)

doc 变量大概只是 nlp("The door is brown.")等等。什么应该在 gold1和 gold2 ?我猜他们应该是 GoldParse对象，但我没有看到您如何在这些对象中表示文本分类信息。

Answer 1

根据这个例子train_textcat.py它应该类似于 {'cats': {'ANIMAL': 0, 'COLOR': 1}}如果你想训练一个多标签模型。另外，如果你只有两个类，你可以简单地使用 {'cats': {'ANIMAL': 1}}用于标签动物和 {'cats': {'ANIMAL': 0}}用于标签颜色。

您可以使用以下最小工作示例进行单类别文本分类；

import spacy

nlp = spacy.load('en')

train_data = [
    (u"That was very bad", {"cats": {"POSITIVE": 0}}),
    (u"it is so bad", {"cats": {"POSITIVE": 0}}),
    (u"so terrible", {"cats": {"POSITIVE": 0}}),
    (u"I like it", {"cats": {"POSITIVE": 1}}),
    (u"It is very good.", {"cats": {"POSITIVE": 1}}),
    (u"That was great!", {"cats": {"POSITIVE": 1}}),
]


textcat = nlp.create_pipe('textcat')
nlp.add_pipe(textcat, last=True)
textcat.add_label('POSITIVE')
optimizer = nlp.begin_training()
for itn in range(100):
    for doc, gold in train_data:
        nlp.update([doc], [gold], sgd=optimizer)

doc = nlp(u'It is good.')
print(doc.cats)