Spacy词性与依存句法标注含义及完整官方文档获取途径

你碰到的IN、RB属于词性标注，displacy里显示的fixed、cop等属于依存句法标注，两套体系核心含义固定，全量说明不用到处找零散资源，直接从本地安装的Spacy环境就能拿到和你所用版本完全匹配的准确内容：

核心标注释义参考 #

• 词性标注（即IN、RB这类短标签）：属于词汇层面的语法属性标记，通用核心标签含义：
  • IN：介词/从属连词，功能是连接名词成分或引导从句，比如法语里的dans、de、que（作从属连词时）都属于这类
  • RB：副词，作用是修饰动词、形容词或其他副词，比如法语里的très、rapidement都归为这个标签
• 依存句法标签（即displacy里连线上的标记）：用来标记句子中词与词的语法支配关系，通用核心标签含义：
  • advmod：副词状语修饰关系，副词作为修饰成分依附于被修饰的核心谓词或形容词
  • cop：系动词关联标记，系动词（比如法语的être）作为从属成分依附于其后的表语，两者之间的关系就标记为cop
  • fixed：固化搭配标记，用于无法拆分句法结构的多词固定表达内部，比如复合介词、固定习语里的非核心组成词之间，就会用fixed标记关系，比如法语固定表达au fur et à mesure内部的词间关系就会大量用到这个标签

提示：法语模型有少量专属标签，不要完全套用英语模型的标注解释，以你实际使用的模型给出的说明为准。

全量标注文档获取方法 #

不要搜网上零散的第三方总结，不同版本Spacy的标注集有微调，第三方内容很容易出现版本不匹配的问题，直接用本地方法获取最准确：

• 查看所用模型的全量词性标签说明：加载你正在用的法语模型后运行如下代码，会直接输出所有标签的官方释义和示例

  import spacy
  # 替换成你实际加载的模型名
  nlp = spacy.load("fr_core_news_md")
  for tag, info in nlp.get_pipe("tagger").labels.items():
      print(f"[{tag}] {info}")
  

• 查看所用模型的全量依存关系标签说明：运行如下代码，输出的标签和displacy可视化里的标记完全一一对应

  import spacy
  nlp = spacy.load("fr_core_news_md")
  for dep_label, info in nlp.get_pipe("parser").labels.items():
      print(f"[{dep_label}] {info}")
  

• 如果你需要离线查阅完整文档，Spacy安装时会在本地安装目录的docs路径下存放对应版本的完整官方文档，包含所有标注规则、API说明、案例，直接本地打开即可，不需要联网。

内容的提问来源于stack exchange，提问作者ZADI