spaCy SpanCat管道初始化标签时遇[E143]错误求助

我在搭建支持多标签的spaCy SpanCategorizer时，已用doc.spans[label]标注训练数据并保存为训练/开发集，但训练时触发错误：

ValueError: [E143] Labels for component 'spancat' not initialized. This can be fixed by calling add_label, or by providing a representative batch of examples to the component's initialize method.

我已在配置文件[components.spancat]的spans_key中添加标签，也生成了带标签的Example对象并调用spancat.initialize，但标签仍未被识别。

核心问题分析 #

1. SpanGroup使用错误：SpanCategorizer要求所有目标标签的span存入同一个SpanGroup，而非每个标签单独创建SpanGroup。你的代码为每个标签独立创建doc.spans[label]，不符合spaCy的预期格式。
2. Example对象顺序颠倒：初始化时Example的正确顺序应为「无标注doc作为pred，带标注doc作为gold」，你的代码搞反了两者位置。
3. 配置文件参数格式错误：spans_key应是字符串（指定存放所有span的SpanGroup名称），而非标签列表。

具体修正步骤 #

1. 修正标注代码 #

将所有标签的span存入统一的SpanGroup（比如命名为"sc"，需和配置文件对应），每个span保留自身label：

for doc in docs:
    phrase_matches = phrase_matcher(doc)
    
    # 初始化统一的SpanGroup，替代原有的多标签独立SpanGroup
    doc.spans["sc"] = []
    
    for match_id, start, end in phrase_matches:
        match_label = nlp.vocab.strings[match_id]
        span = Span(doc, start, end, label=match_label)
        doc.spans["sc"].append(span)

2. 修正配置文件的spans_key #

将标签列表改为统一的SpanGroup名称：

[components.spancat]
factory = "spancat"
max_positive = null
scorer = {"@scorers":"spacy.spancat_scorer.v1"}
# 改为统一的SpanGroup名称，此处为"sc"
spans_key = "sc"
threshold = 0.5

3. 修正Initialize代码 #

调整Example顺序，并显式添加所有标签确保组件识别：

def get_examples():
    # 正确顺序：pred为无标注doc，gold为带标注doc
    for gold, pred in zip(all_annotated_pre_shuffled_docs, docs_without_annotations):
        yield Example(pred, gold)

spancat = nlp.add_pipe("spancat", before="textcat")
# 显式添加所有标签，确保组件初始化时识别
for label in labels:
    spancat.add_label(label)
# 执行初始化
spancat.initialize(get_examples, nlp=nlp)

4. 验证数据格式 #

保存DocBin后，可加载训练集检查几个doc的doc.spans["sc"]，确认其中包含所有带正确label的span，确保标注格式符合要求。

内容的提问来源于stack exchange，提问作者Paola