spacy将conllul转换为spacy json格式

Question

我从普遍依赖关系中获取数据，我主要在印度尼西亚语（bahasa）工作，所以我克隆了仓库：

• https://github.com/conllul/UL_Indonesian-PUD
• https://github.com/conllul/UL_Indonesian-GSD

两个仓库都包含bz2文件，解压缩后，我得到了包含的文件。那里的所有内容都是conllul格式。所以我尝试使用命令

将其转换为spacy的json格式

python -m spacy convert thefile.conllul .

但是，spacy投掷错误消息：

Unknown format Can't find converter for conllul

如何进行转换？ conllul和conll格式是同一回事吗？如果没有，如何将conllul转换为conll格式？提前谢谢

Answer 1

好，在回答您的问题之前，让我们先澄清一下。

以下陈述是正确的：

• 有不同的ConNLL格式
• 不同格式的共同点是它们来自CoNLL会议。
• Spacy通过其CLI提供了两种不同格式的转换器：简单conll格式和最新conllu格式。您可以找到有关conll格式here的更多信息以及有关conllu格式here
的更多信息
• Conllul是一种不同的数据格式，于2018年推出。您可以阅读更多here
• Spacy不支持conllul和json格式之间的直接转换。

考虑到所有这些，我想您的问题的答案将是为您的语言使用conllu格式，这是使用自然语言处理带有杂凑的标准方法。我发现您的语言在ud treebank集合中有格式的数据。您可以从here下载数据，然后使用spacy转换器将其转换为json。

我真的希望能有所帮助。 ：）