我希望使用SpaCy v3从大量句子中提取命名实体。我的工作,但似乎比它应该慢,在投资更多的机器,我想知道我是否做了更多的工作,我需要在管道。我使用ntlk将所有内容作为迭代器解析为句子,然后使用“管道”处理这些语句以获得命名的实体。所有这些看起来都很好,python似乎对我的机器上的每个cpu内核都有相当大的影响,这是很好的。nlp = spacy.load("en_core_web_trf")
for (doc, context) in nlp.pipe(line
我试图使用spaCy的四种选择中的两种来进行句子切分,它们在没有标点符号的短语上的表现似乎都同样糟糕。我正在尝试使用这样的解决方案,这些解决方案的文本范围是混合的,而不是数字化的(说话人的对话)。以下是我的例子:doc = nlp("perfect how are you doing i'm ok good to hear在使用spaCy统计分段器时,我有相同的结果。根据doc