Spacy：用什么数据集格式对 1000 个标签进行分类？

Question

我想用 spacy 对文本进行分类我基于 spacy 的 texcat_demo 项目，基于它，json 应该看起来像这样

{"text": "Sorpresa: Ceferin comió con Piqué y Laporta",   "cats": {"AR": 0, "ES": 1, "PT": 0 } } 
{"text": "Puado, de calabazas al Madrid a una renovación prioritaria","cats": {"AR": 0, "ES": 1, "PT": 0 } }

但是对于多个类别应该如何看待这个json？，像这样

 {"text": "Sorpresa: Ceferin comió con Piqué y Laporta",   "cats": {"content": "news", "language": "spanish" } }
 {"text": "Puado, de calabazas al Madrid a una renovación prioritaria", "cats": {"content": "soccer", "language": "portuguese" } }

谢谢

Answer 1

你在 spaCy 论坛上问 the same question，但我会继续在这里回答：无论你有多少标签，格式都是一样的。（你还有其他原因吗？我不认为我们说过任何地方都有限制......）

还要注意 JSON 格式不是固定格式，重要的是在序列化之前创建 Doc 对象。有很多方法可以做到这一点，但 spaCy tutorial projects.

中有示例

Spacy：用什么数据集格式对 1000 个标签进行分类？

Spacy: what dataset format to categorize 1000 labels?

spacy

multilabel-classification

spacy-3