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!
答案 0 :(得分:22)
答案 1 :(得分:21)
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)
答案 2 :(得分:11)
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。
答案 3 :(得分:2)
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
答案 4 :(得分:0)
这也收集停用词:)
spacy_stopwords = spacy.lang.en.stop_words.STOP_WORDS
答案 5 :(得分:0)
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')
答案 6 :(得分:0)
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。