新训练的spaCy NER模型无POS标签 如何正确启用tagger组件？

参照spaCy训练快速入门流程训练NER模型，因仅持有NER标注数据，训练阶段仅针对ner管道开展优化。初始使用的核心配置如下：

[nlp]
lang = "en"
pipeline = ["tok2vec","ner","tagger"]
batch_size = 1000
disabled = []
before_creation = null
after_creation = null
after_pipeline_creation = null
tokenizer = {"@tokenizers":"spacy.Tokenizer.v1"}
...
[components.tagger]
source = "en_core_web_sm"
component = "tagger"
replace_listeners = ["model.tok2vec"]
...
[training]
...
frozen_components = ["tagger"]

训练完成后调用模型做实体预测时，发现实体对应token的pos_属性为空值，复现示例如下：

>>> ent
Some Entity
>>> ent.label_
'LABEL_NAME'
>>> [token.pos_ for token in ent]
['', '']

初始尝试通过frozen_components配置冻结从en_core_web_sm引入的tagger组件，希望直接复用预训练模型的tagger能力输出POS标签，自定义训练部分仅负责NER预测，但该配置未生效。

配置存在两个核心问题：

• spaCy严格按照pipeline列表的先后顺序执行组件，初始配置中ner排在tagger之前，NER组件执行时tagger还未对token做POS标注，自然读取不到pos_属性值
• tagger配置中的replace_listeners = ["model.tok2vec"]会强制让引入的预训练tagger放弃自身配套的预训练tok2vec权重，改用当前pipeline中仅用NER数据训练的tok2vec作为特征输入，该tok2vec未经过POS任务适配，就算调整顺序也无法输出正确的POS结果

注：frozen_components仅控制训练阶段不更新对应组件的参数，不解决组件执行顺序、特征层依赖错误的问题。

按以下步骤调整配置即可：

1. 调整pipeline组件顺序，将tagger移动到ner之前，保证POS标注流程在实体抽取之前执行
2. 删除tagger组件下的replace_listeners = ["model.tok2vec"]配置，让引入的预训练tagger使用自带的配套特征层，不依赖自定义训练的tok2vec
3. 保留frozen_components = ["tagger"]配置，确保训练阶段不会更新tagger的预训练参数

修正后的核心配置片段：

[nlp]
lang = "en"
pipeline = ["tok2vec","tagger","ner"]
batch_size = 1000
disabled = []
before_creation = null
after_creation = null
after_pipeline_creation = null
tokenizer = {"@tokenizers":"spacy.Tokenizer.v1"}
...
[components.tagger]
source = "en_core_web_sm"
component = "tagger"
...
[training]
...
frozen_components = ["tagger"]

调整后重新训练模型，预测时pipeline会先通过预训练tagger完成POS标注，再执行自定义NER组件的实体抽取，此时读取实体对应token的pos_属性即可拿到正常的POS预测结果。

内容的提问来源于stack exchange，提问作者nmlq