ValueError: nlp.add_pipe now takes the string name of the registered component factory, not a callable component

Question

下面的展示了如何在实体跨越多个标记的情况下添加自定义实体规则。执行此操作的代码如下：

import spacy
from spacy.pipeline import EntityRuler
nlp = spacy.load('en_core_web_sm', parse=True, tag=True, entity=True)

animal = ["cat", "dog", "artic fox"]
ruler = EntityRuler(nlp)
for a in animal:
    ruler.add_patterns([{"label": "animal", "pattern": a}])
nlp.add_pipe(ruler)


doc = nlp("There is no cat in the house and no artic fox in the basement")

with doc.retokenize() as retokenizer:
    for ent in doc.ents:
        retokenizer.merge(doc[ent.start:ent.end])


from spacy.matcher import Matcher
matcher = Matcher(nlp.vocab)
pattern =[{'lower': 'no'},{'ENT_TYPE': {'REGEX': 'animal', 'OP': '+'}}]
matcher.add('negated animal', None, pattern)
matches = matcher(doc)


for match_id, start, end in matches:
    span = doc[start:end]
    print(span)

我试过了，但出现以下错误：

如果您使用 nlp.create_pipe('name') 创建组件：删除 nlp.create_pipe 并改为调用 nlp.add_pipe('name')。
如果您传入了一个像 TextCategorizer() 这样的组件：请使用字符串名称调用 nlp.add_pipe，例如nlp.add_pipe('textcat').
如果您使用的是自定义组件：将装饰器 @Language.component（对于函数组件）或 @Language.factory（对于 class 组件/工厂）添加到您的自定义组件并为其分配一个名称，例如@Language.component('your_name')。然后，您可以运行 nlp.add_pipe('your_name') 将其添加到管道中。

请问我该如何解决？ 注意：spaCy 版本 3.0.6

Answer 1

您需要定义自己的方法来实例化实体标尺：

def get_ent_ruler(nlp, name):
    ruler = EntityRuler(nlp)
    for a in animal:
        ruler.add_patterns([{"label": "animal", "pattern": a}])
    return ruler

那么，您可以通过以下方式使用它：

from spacy.language import Language
Language.factory("ent_ruler", func=get_ent_ruler)
nlp.add_pipe("ent_ruler", last=True)

另请注意，您编写的模式无效。我想你可以这样解决：

pattern =[{'lower': 'no'},{'ENT_TYPE': 'animal'}]

那么，结果就是

no cat
no artic fox

Answer 2

对于 spaCy v2，添加实体标尺的正常方法如下所示：

ruler = EntityRuler(nlp)
nlp.add_pipe(ruler)
ruler.add_patterns(...)

对于 spaCy v3，您只想添加它的字符串名称并跳过单独实例化 class：

ruler = nlp.add_pipe("entity_ruler")
ruler.add_patterns(...)

参见：https://spacy.io/usage/v3#migrating-add-pipe

Answer 3

对于 spacy 3.0+，您的代码应更改如下：

import spacy
import re
from spacy.language import Language

nlp = spacy.load('en_core_web_sm')
boundary = re.compile('^[0-9]$')

@Language.component("component")
def custom_seg(doc):
    prev = doc[0].text
    length = len(doc)
    for index, token in enumerate(doc):
        if (token.text == '.' and boundary.match(prev) and index!=(length - 1)):
            doc[index+1].sent_start = False
        prev = token.text
    return doc
    
nlp.add_pipe("component", before='parser')

ValueError: nlp.add_pipe now takes the string name of the registered component factory, not a callable component

ValueError: nlp.add_pipe now takes the string name of the registered component factory, not a callable component

python

spacy

matcher