spaCy - 词汇单元类 (Container Lexeme Class)

---

---

本章详细解释了 spaCy 中的词汇单元类。

词汇单元类 (Lexeme Class)

词汇单元类是词汇表中的一个条目。它没有字符串上下文。与单词词元相反，它是一个词型。这就是它没有词性 (POS) 标签、依存分析或词形的原因。

属性

下表解释了它的参数：

方法

以下是词汇单元类中使用的方法：

Lexeme._ _init_ _

这是词汇单元类最常用的方法之一。顾名思义，它用于构造一个 **词汇单元 (Lexeme)** 对象。

参数

下表解释了它的参数：

示例

下面给出了 Lexeme._ _init_ _ 方法的一个示例：

import spacy
nlp_model = spacy.load("en_core_web_sm")
doc = nlp_model("The website is Tutorialspoint.com.")
lexeme = doc[3]
lexeme.text

输出

运行代码时，您将看到以下输出：

'Tutorialspoint.com'

Lexeme.set_flag

此方法用于更改布尔标志的值。

参数

下表解释了它的参数：

示例

下面给出了 Lexeme.set_flag 方法的一个示例：

import spacy
nlp_model = spacy.load("en_core_web_sm")
New_FLAG = nlp_model.vocab.add_flag(lambda text: False)
nlp_model.vocab["Tutorialspoint.com"].set_flag(New_FLAG, True)
New_FLAG

输出

运行代码时，您将看到以下输出：

25

Lexeme.check_flag

此方法用于检查布尔标志的值。

参数

下表解释了它的参数：

示例 1

下面给出了 Lexeme.check_flag 方法的一个示例：

import spacy
nlp_model = spacy.load("en_core_web_sm")
library = lambda text: text in ["Website", "Tutorialspoint.com"]
my_library = nlp_model.vocab.add_flag(library)
nlp_model.vocab["Tutorialspoint.com"].check_flag(my_library)

输出

运行代码时，您将看到以下输出：

True

示例 2

下面是 Lexeme.check_flag 方法的另一个示例：

nlp_model.vocab["Hello"].check_flag(my_library)

输出

运行代码时，您将看到以下输出：

False

Lexeme.similarity

此方法用于计算语义相似度估计。默认情况下，它是向量上的余弦相似度。

参数

下表解释了它的参数：

示例

Lexeme.similarity 方法的示例如下：

import spacy
nlp_model = spacy.load("en_core_web_sm")
apple = nlp.vocab["apple"]
orange = nlp.vocab["orange"]
apple_orange = apple.similarity(orange)
orange_apple = orange.similarity(apple)
apple_orange == orange_apple

输出

运行代码时，您将看到以下输出：

True

属性

以下是词汇单元类的属性。

Lexeme.vector

此词汇单元属性表示一个实值含义。它将返回一个一维数组，表示词汇单元的语义。

示例

下面给出了 Lexeme.vector 属性的一个示例：

import spacy
nlp_model = spacy.load("en_core_web_sm")
apple = nlp_model.vocab["apple"]
apple.vector.dtype

输出

您将看到以下输出：

dtype('float32')

Lexeme.vector_norm

此词元属性表示词汇单元向量表示的 L2 范数。

示例

下面是 Lexeme.vector_norm 属性的示例：

import spacy
nlp_model = spacy.load("en_core_web_sm")
apple = nlp.vocab["apple"]
pasta = nlp.vocab["pasta"]
apple.vector_norm != pasta.vector_norm

输出

您将看到以下输出：

True