将spaCy int属性映射为字符串（unicode）属性

Question

对于许多令牌属性，例如词性和依赖关系，spaCy既存储整数属性又存储字符串属性。例如，对于POS，有pos_（如“ PUNCT”和“ ADJ”之类的字符串）和pos（整数值）属性。令牌属性的完整列表为here。

是否有一种方便的方法可以在两种表示形式之间直接转换？具体来说，如果我有POS整数值，是否有办法知道对应的字符串是什么？

使用count_by API（请参阅here）时遇到了这个问题，该API对属性频率进行计数并返回整数属性及其计数的字典。一个例子：

>>> doc = nlp("I like natural language processing.")
>>> doc.count_by(spacy.attrs.POS)
{96: 1, 99: 1, 83: 1, 91: 2, 94: 1}

是否可以为每个POS密钥获取相应的字符串？

当然，还有其他使用字符串属性进行计数的方法。但是我的问题比这个示例应用程序更笼统。

Answer 1

是的，它是doc.vocab.strings处的查找表。您可以使用例如查找字符串值或其哈希值doc.vocab.strings["VERB"]或doc.vocab.strings[VERB]。如果您有字符串并需要哈希，请使用spacy.strings.get_string_id()函数。散列字符串是无状态的，因此不需要StringStore。

还可以使用spacy.attrs.IDS和spacy.symbols.IDS全局变量来取消引用内置符号。