我的语料库中有一些短语，我需要spacy来忽视（希望避免过度拟合）。它们是相当简单的正则表达式公式，我也可以使用Spacy基于规则的匹配like here的格式编写。
我希望在继续使用NER和TextCat管道之前，将匹配标记为模型中的停用词。我看到如何编写匹配器，但我不确定如何将其合并到我的模型中？我只是将它添加为管道吗？
谢谢！
答案 0 :(得分：0)
聪明的想法。 在管道中添加规则匹配器应该很容易。自定义组件只是将doc对象作为参数并返回可能已修改的doc对象的函数。因此，基本上，您将执行以下操作： def my_component（doc）： ＃配对工作在这里 返回文档
但是请记住，Token的is_stop属性不可写，这仅意味着您将无法对其进行更改。您当然可以设置自定义令牌扩展，但是对于NER标签预测，绝不会考虑这一点。
更简单的方法是在创建doc对象之前忽略这些单词。如果您说这些表达式只是正则表达式，那么Matcher对您没有任何好处。
希望它会有所帮助：）