如何从 Doc 对象生成 .conllu？答案

【问题标题】：How to generate .conllu from a Doc object?如何从 Doc 对象生成 .conllu？
【发布时间】：2019-12-19 06:22:41
【问题描述】：

我在哪里可以找到 Spacy 接受的示例 .conllu 文件？或示例如何生成它？有 IOB 吗？

尝试将我生成的 .conllu 文件转换为 .json 用于模型训练，这样：

 head_ix = token.head.i - sent[0].i + 1
 conll.append( (str(i), token.orth_, token.lemma_, token.tag_, token.ent_type_, str(head_ix), token.dep_) )

(你有正确的例子吗)

这是错误：

 $ python -m spacy convert spt3.conllu 

  .......
  File "/usr/local/lib/python2.7/dist-packages/spacy/cli/converters/conllu2json.py", line 25, in conllu2json
for i, (raw_text, tokens) in enumerate(conll_tuples):
  File "/usr/local/lib/python2.7/dist-packages/spacy/cli/converters/conllu2json.py", line 65, in read_conllx
id_, word, lemma, pos, tag, morph, head, dep, _1, iob = parts
ValueError: need more than 7 values to unpack

然后用这个：

        conll.append( (str(i), token.orth_, token.lemma_, token.tag_, '-', str(head_ix), token.dep_, str(head_ix), token.dep_, '-') )

错误是这样的：

head = (int(head) - 1) if head != "0" else id_
ValueError: invalid literal for int() with base 10: 'amod'

【问题讨论】：

标签： python json spacy converters conll

【解决方案1】：

这解决了：

 [ str(i), token.text, token.lemma_, token.pos_, token.tag_, '-', str(head_ix), token.dep_, '-', '-' ]

【讨论】：

缺失值应该是_ 而不是-。

【解决方案2】：

textacy 可以这样做：

from textacy.export import doc_to_conll
doc_to_conll(doc)

【讨论】：