Spacy as_doc()从原始Doc (Benepar)中丢失组件

Question

我有一根绳子，里面有几个句子。我想得到每个句子的选区解析。为此，我将对完整字符串执行nlp解析，以获得spacy Doc，然后循环遍历doc.sents并使用span.as_doc()将跨文档转换为Docs。但是，当我将跨度转换回Docs时，并不是所有的原始数据都被保留了。具体来说，贝纳帕选区分析已经不复存在。

import spacy
import benepar

nlp = spacy.load("en_core_sci_md", disable=["ner", "lemmatizer", "textcat"])
nlp.add_pipe('benepar', config={'model': BENEPAR_DIR})
nlp_test1 = nlp('The quick brown fox jumps over the lazy dog')
print(list(nlp_test1.sents)[0]._.parse_string) # Uses benepar (works)

nlp_test2 = list(nlp_test1.sents)[0].as_doc()
print(list(nlp_test2.sents)[0]._.parse_string) # No constituency parse found (no benepar)

nlp_test3 = list(nlp_test.sents)[0].as_doc(array_head=nlp_test._get_array_attrs())
print(list(nlp_test3.sents)[0]._.parse_string) # Doesn't work either

如何将Span转换为Doc，同时保持benepar选区解析数据？或者这是不可能的，而benepar只解析doc.sents的第一个

Answer 1

这是不可能的，因为benepar将整个文档的解析信息存储在一个内部对象中，而Span.as_doc不能在这个范围内拆分它。

Answer 2

似乎as_doc()不会运行nlp.add_pipe()添加的额外管道。

而不是

nlp_test2 = list(nlp_test1.sents)[0].as_doc()

做

nlp_test2 = nlp(list(nlp_test1.sents)[0].text)

因此，nlp_test2将使用benepar管道创建。