当两个词被设置为单独的 'TEXT' 条件对象时，spacy matcher returns 正确答案。为什么？

Question

我正在尝试设置匹配器查找词 'iPhone X'。

示例代码说明我应该遵循以下内容。

import spacy

# Import the Matcher
from spacy.matcher import Matcher

nlp = spacy.load("en_core_web_sm")
doc = nlp("Upcoming iPhone X release date leaked as Apple reveals pre-orders")

# Initialize the Matcher with the shared vocabulary
matcher = Matcher(nlp.vocab)

# Create a pattern matching two tokens: "iPhone" and "X"
pattern = [{"TEXT": "iPhone"}, {"TEXT": "X"}]

# Add the pattern to the matcher
matcher.add("IPHONE_X_PATTERN", None, pattern)

# Use the matcher on the doc
matches = matcher(doc)
print("Matches:", [doc[start:end].text for match_id, start, end in matches])

我尝试了另一种方法，如下所示。

# Create a pattern matching two tokens: "iPhone" and "X"
pattern = [{"TEXT": "iPhone X"}]

# Add the pattern to the matcher
matcher.add("IPHONE_X_PATTERN", None, pattern)

为什么第二种方法不起作用？我假设如果我将 'iPhone' 和 'X' 这两个词放在一起，它可能会以相同的方式工作，因为它将中间带有 space 的词视为一个长的唯一词。但是没有。

我能想到的可能原因是，匹配器条件应该是一个没有空的单词space。我对吗？还是第二种方法不起作用的其他原因？

谢谢。

Answer 1

答案在于 Spacy 如何标记字符串：

>>> print([t.text for t in doc])
['Upcoming', 'iPhone', 'X', 'release', 'date', 'leaked', 'as', 'Apple', 'reveals', 'pre', '-', 'orders']

如您所见，iPhone 和 X 是不同的标记。请参阅 Matcher 参考资料：

A pattern added to the Matcher consists of a list of dictionaries. Each dictionary describes one token and its attributes.

因此，您不能在一个令牌定义中同时使用它们。

当两个词被设置为单独的 'TEXT' 条件对象时，spacy matcher returns 正确答案。为什么？

spacy matcher returns right answer when two words are set as seperate 'TEXT' conditional object only. Why is it?

python

nlp

spacy