在 spacy 中，是否可以在匹配的匹配中获取相应的规则 ID答案

【问题标题】：In spacy, Is it possible to get the corresponding rule id in a match of matches在 spacy 中，是否可以在匹配的匹配中获取相应的规则 ID
【发布时间】：2017-11-26 07:21:37
【问题描述】：

在 Spacy 2.x 中，我使用匹配器在我的文本语料库中查找特定标记。每个规则都有一个 ID（例如'class-1_0'）。在解析期间，我使用回调 on_match 来处理每个匹配项。有没有办法直接在回调中检索用于查找匹配的规则。

这是我的示例代码。

txt = ("Aujourd'hui, je vais me faire une tartine au beurre "
       "de cacahuète, c'est un pilier de ma nourriture "
       "quotidienne.")

nlp = spacy.load('fr')

def on_match(matcher, doc, id, matches):
    span = doc[matches[id][1]:matches[id][2]]
    print(span)
    # find a way to get the corresponding rule without fuzz

matcher = Matcher(nlp.vocab)
matcher.add('class-1_0', on_match, [{'LEMMA': 'pilier'}])
matcher.add('class-1_1', on_match, [{'LEMMA': 'beurre'}, {'LEMMA': 'de'}, {'LEMMA': 'cacahuète'}])

doc = nlp(txt)
matches = matcher(doc)

在这种情况下matches 返回：

[(12071893341338447867, 9, 12), (4566231695725171773, 16, 17)]

12071893341338447867 是基于 class-1_0 的唯一 ID。即使我在matcher._patterns 中进行了一些自省，我也找不到原始规则名称。

如果有人可以帮助我，那就太好了。非常感谢。

【问题讨论】：

标签： nlp matcher spacy

【解决方案1】：

是的，您只需在StringStore 的词汇表中查找 ID，可通过 nlp.vocab.strings 或 doc.vocab.strings 获得。通过Doc 在这里非常方便，因为您可以在on_match 回调中这样做：

def on_match(matcher, doc, match_id, matches):
   string_id = doc.vocab.strings[match_id]

为了提高效率，spaCy 将所有字符串编码为整数，并在StringStore 查找表中保留对映射的引用。在 spaCy v2.0 中，整数是散列值，因此它们将始终在模型和词汇表之间匹配。有关这方面的更多详细信息，请参阅this section in the docs。

当然，如果你的类和 ID 有点神秘，other answer 建议整数 ID 也可以正常工作。请记住，您选择的那些整数 ID 也可能会映射到 StringStore 中的某个随机字符串（如单词、词性标签或其他东西）。如果您不查找它们并将它们解析为某个地方的字符串，这通常无关紧要 - 但如果您这样做，输出可能会令人困惑。例如，如果您的匹配器规则 ID 是 99 并且您正在调用 doc.vocab.strings[99]，这将返回 'VERB'。

【讨论】：

谢谢。我测试了你的答案，它指向了正确的方向。但是要获取字符串 ID，您需要使用整数编码匹配规则，而不是 match_id。 string_id = doc.vocab.strings[matches[id][0]] 再次感谢。
感谢您在 spacy 2.0 上取得的令人难以置信的成就 :)

【解决方案2】：

在写我的问题时，我经常找到解决方案。

这很简单，不用像class-1_0 那样使用unicode 规则ID，只需使用整数即可。标识符将在整个过程中保留。

matcher.add(1, on_match, [{'LEMMA': 'pilier'}])

匹配

[(1, 16, 17),]

【讨论】：