Spacy 简明教程
spaCy - Token Properties
在本章中,我们将了解与 spaCy 中令牌类有关的属性。
Properties
令牌属性及其各自的描述如下:
Sr.No. |
Token Property & Description |
1 |
Token.ancestors 用于此令牌的句法后代的最右令牌。 |
2 |
Token.conjuncts 用于返回协调令牌的元组。 |
3 |
Token.children 用于返回令牌的直接句法子项的序列。 |
4 |
Token.lefts 用于单词的向左直接子项。 |
5 |
Token.rights 用于单词的向右直接子项。 |
6 |
Token.n_rights 用于单词的向右直接子项数。 |
7 |
Token.n_lefts 用于单词的向左直接子项数。 |
8 |
Token.subtree 这会产生一个包含令牌及其所有令牌句法后代的序列。 |
9 |
Token.vector 这表示实值含义。 |
10 |
Token.vector_norm 这表示令牌向量表示的 L2 范数。 |
Token.ancestors
此令牌属性用于此令牌的句法后代的最右令牌。
Example
下面给出了令牌的 ancestors 属性示例 -
import spacy
nlp_model = spacy.load("en_core_web_sm")
from spacy.tokens import Token
doc = nlp_model("Give it back! He pleaded.")
it_ancestors = doc[1].ancestors
[t.text for t in it_ancestors]
Output
['Give']
Token.conjuncts
此令牌属性用于返回协调令牌的元组。在此处,令牌本身将不包括在内。
Example
以下是 Token.conjuncts 属性的示例:
import spacy
nlp_model = spacy.load("en_core_web_sm")
from spacy.tokens import Token
doc = nlp_model("I like cars and bikes")
cars_conjuncts = doc[2].conjuncts
[t.text for t in cars_conjuncts]
Output
输出如下:
['bikes']
Token.children
此标记属性用于返回标记的直接句法子级的序列。
Example
以下是 Token.children 属性的示例:
import spacy
nlp_model = spacy.load("en_core_web_sm")
from spacy.tokens import Token
doc = nlp_model("This is Tutorialspoint.com.")
give_child = doc[1].children
[t.text for t in give_child]
Output
['This', 'Tutorialspoint.com', '.']
Token.lefts
此标记属性用于单词的左向直接子级。这会在句法依存关系解析中。
Example
以下是 Token.lefts 属性的示例:
import spacy
nlp_model = spacy.load("en_core_web_sm")
from spacy.tokens import Token
doc = nlp_model("This is Tutorialspoint.com.")
left_child = [t.text for t in doc[1].lefts]
left_child
Output
你将获得以下输出 -
['This']
Token.rights
此标记属性用于单词的右向直接子级。这会在句法依存关系解析中。
Example
以下是 Token.rights 属性的示例:
import spacy
nlp_model = spacy.load("en_core_web_sm")
from spacy.tokens import Token
doc = nlp_model("This is Tutorialspoint.com.")
right_child = [t.text for t in doc[1].rights]
right_child
Output
['Tutorialspoint.com', '.']
Token.n_rights
此标记属性用于单词的右向直接子级的数量。这会在句法依存关系解析中。
Example
以下是 Token.n_rights 属性的示例:
import spacy
nlp_model = spacy.load("en_core_web_sm")
from spacy.tokens import Token
doc = nlp_model("This is Tutorialspoint.com.")
doc[1].n_rights
Output
2
Token.n_lefts
此标记属性用于单词的左向直接子级的数量。这会在句法依存关系解析中。
Example
以下是 Token.n_lefts 属性的示例:
import spacy
nlp_model = spacy.load("en_core_web_sm")
from spacy.tokens import Token
doc = nlp_model("This is Tutorialspoint.com.")
doc[1].n_lefts
Output
输出如下 −
1
Token.subtree
此标记属性会生成一个包含标记和所有标记句法后代的序列。
Example
以下是 Token.subtree 属性的示例:
import spacy
nlp_model = spacy.load("en_core_web_sm")
from spacy.tokens import Token
doc = nlp_model("This is Tutorialspoint.com.")
subtree_doc = doc[1].subtree
[t.text for t in subtree_doc]
Output
['This', 'is', 'Tutorialspoint.com', '.']
Token.vector
此标记属性表示实值含义。它会返回一个表示标记语义的一维数组。
Example 1
以下是 Token.vector 属性的示例:
import spacy
nlp_model = spacy.load("en_core_web_sm")
doc = nlp_model("The website is Tutorialspoint.com.")
doc.vector.dtype
Output
输出如下 −
dtype('float32')
Example 2
以下是 Token.vector 属性的另一个示例:
doc.vector.shape
Output
输出如下 −
(96,)