Question

使用spacy添加/删除停用词的最佳方法是什么？我正在使用token.is_stop函数，并希望对该集进行一些自定义更改。我正在查看文档，但找不到关于停用词的任何内容。谢谢！

Answer 1

您可以在处理文字之前对其进行编辑（请参阅this post）：

Accordion

注意：这似乎有效＆lt; = v1.8。对于较新的版本，请参阅其他答案。

Answer 2

使用Spacy 2.0.11，您可以使用以下其中一项更新其停用词集：

要添加一个停用词：

import spacy    
nlp = spacy.load("en")
nlp.Defaults.stop_words.add("my_new_stopword")

要一次添加几个停用词：

import spacy    
nlp = spacy.load("en")
nlp.Defaults.stop_words |= {"my_new_stopword1","my_new_stopword2",}

要删除单个停用词：

import spacy    
nlp = spacy.load("en")
nlp.Defaults.stop_words.remove("whatever")

要一次删除多个停用词：

import spacy    
nlp = spacy.load("en")
nlp.Defaults.stop_words -= {"whatever", "whenever"}

注意：要查看当前的停用词集，请使用：

print(nlp.Defaults.stop_words)

Answer 3

对于版本2.0，我使用了这个：

from spacy.lang.en.stop_words import STOP_WORDS

print(STOP_WORDS) # <- set of Spacy's default stop words

STOP_WORDS.add("your_additional_stop_word_here")

for word in STOP_WORDS:
    lexeme = nlp.vocab[word]
    lexeme.is_stop = True

这会将所有停用词加载到一个集合中。

您可以将停用词修改为STOP_WORDS或首先使用您自己的列表。

Answer 4

对于2.0使用以下内容：

for word in nlp.Defaults.stop_words:
    lex = nlp.vocab[word]
    lex.is_stop = True

Answer 5

这也收集停用词:)

spacy_stopwords = spacy.lang.en.stop_words.STOP_WORDS

Answer 6

以下最新版本会将单词从列表中删除：

spacy_stopwords = spacy.lang.en.stop_words.STOP_WORDS
spacy_stopwords.remove('not')

Answer 7

对于 2.3.0 版本如果您想替换整个列表而不是添加或删除几个停用词，您可以这样做：

custom_stop_words = set(['the','and','a'])

# First override the stop words set for the language
cls = spacy.util.get_lang_class('en')
cls.Defaults.stop_words = custom_stop_words

# Now load your model
nlp = spacy.load('en_core_web_md')

诀窍是在加载模型之前为语言分配停用词集。它还确保停用词的任何大写/小写变体都被视为停用词。

使用spacy添加/删除停用词

7 个答案: