nlp - Spacy - 使用两个可训练的组件和两个不同的数据集

Question

我想知道是否可以使用两个不同的数据集在 Spacy 中训练两个可训练的组件？事实上，我想使用 NER 和文本分类器，但由于这两个组件的训练数据集应该有不同的注释，所以我不知道如何同时训练这两个组件...

我应该在单独的管道中训练每个任务并在最后组装两个管道吗？或者我应该训练 NER，打包这个管道，然后使用这个包作为输入来训练文本分类器？

非常感谢您的帮助

Answer 1

如果数据集不同，您将无法同时训练它们。

如果您使用的是 spaCy v3，那么将两个训练步骤合并到一个最终流水线中应该相对简单。例如，创建一个首先训练 NER 的配置，并将其存储到磁盘。然后，在你 source 的位置创建一个新配置来自先前训练的管道的 NER，然后将此 NER 组件定义为 frozen :

[nlp]
pipeline = ["ner", "textcat"]
...

[training]
frozen_components = ["ner"]
...

[components.ner]
source = "your_trained_ner_location"
component = "ner"

[components.textcat]
factory = "textcat"
...

现在在您的 textcat 上运行训练。

仅供引用 - 这种多步骤工作流程可以使用 spacy projects 轻松设置