spaCy管道中Thinc ParserStepModel使用机制及类型检测问题

两种返回值的触发原因 #

• 你全局重写Model.predict方法会拦截spaCy管道内所有组件的Thinc模型调用，Thinc本身不强制所有模型输出统一结构，不同组件的模型前向传播逻辑不同，自然会返回不同格式的结果。
• 存储softmax得分的numpy数组列表，是NER、文本分类、词性标注这类一次性输出全序列预测结果的组件返回的，数组里的每一项对应对应分类任务的全类别预测概率。
• ParserStepModel对象是基于转移的依存句法解析器（parser） 运行时返回的特殊中间对象：依存句法解析不是单次前向传播直接输出全句结果，需要逐token预测解析动作、迭代构建依存关系树，这个对象就是用来存储解析过程中的中间状态、缓存每一步的预测得分的，仅在parser组件执行时会被返回。

ParserStepModel在spaCy管道中的作用 #

解析器组件拿到ParserStepModel实例后，不会直接把它当最终结果，而是循环执行它的步进接口：每一步从对象中取出当前状态下的动作预测softmax得分，选择得分最高的解析动作更新依存树状态，再把更新后的状态传回对象生成下一步的输入，直到全句所有token的解析动作执行完成，才会输出最终的依存关系标注结果存入Doc对象。它属于解析过程中的临时状态载体，不是最终预测输出。

preds变量类型检测的可行方法 #

你之前用isinstance检测失败，是因为ParserStepModel没有暴露在spaCy的顶层命名空间，没有正确导入类定义就做判断会返回False，两种可行的检测方案如下：

1. 先正确导入类再做类型判断

   from spacy.ml.parser_model import ParserStepModel
   import numpy as np
   
   def predict(self, X):
       preds = self._func(self, X, is_train=False)[0]
       if isinstance(preds, ParserStepModel):
           # 处理parser返回的中间对象逻辑
           pass
       elif isinstance(preds, list) and all(isinstance(arr, np.ndarray) for arr in preds):
           # 处理softmax数组列表逻辑，可在此修改需要的得分输出
           pass
       return preds
   

2. 不导包直接通过类型名判断
   如果你不想额外导入parser相关依赖，可以直接取对象的类名做判断，适配性更强：

   def predict(self, X):
       preds = self._func(self, X, is_train=False)[0]
       if type(preds).__name__ == "ParserStepModel":
           # 处理parser中间对象逻辑
           pass
       # 其余类型判断逻辑同上
       return preds
   

注意：不建议直接全局替换Thinc的Model.predict方法修改softmax输出，这种方式会无差别拦截所有组件的模型调用，很容易破坏parser等有分步执行逻辑的组件运行，如果只需要修改特定组件（比如NER）的预测得分，建议单独给对应组件的模型加包装器，避免影响其他管道组件正常运行。

内容的提问来源于stack exchange，提问作者wind_junkie