使用 spaCy 纠正多线程词形还原

Question

我正在尝试使用 spaCy 多线程对我的语料库进行词形还原。按照documentation，目前我的做法是：

import spacy
nlp = spacy.load('en_core_web_sm', disable=['parser', 'ner', 'tagger'])

def lemmatize():
    for doc in nlp.pipe(corpus, batch_size=2, n_threads=10):
        yield ' '.join([token.lemma_ for token in doc])

new_corpus = list(lemmatize())

但是，无论使用 10 线程还是 1 线程（我在 100.000 个文档上使用它），这都需要相同的时间，这表明它不是多线程的。

我的实现有误吗？

Answer 1

n_threads 参数在较新版本的 spacy 中已被弃用，并且不会执行任何操作。请参阅此处的注释：https://spacy.io/api/language#pipe

这是他们使用 multi-processing 执行此操作的示例代码：

https://spacy.io/usage/examples#multi-processing

使用 spaCy 纠正多线程词形还原

Correct multithreaded lemmatization using spaCy

python

nlp

spacy

lemmatization