在 SparkNLP 中，PipelineModel所有階段都必須是AnnotatorModel. 但是，如果這些 annotatormodels 中的一個需要資料集中的某個列作為輸入，而該輸入列是 an 的輸出AnnotatorApproach呢？
例如，我有一個經過訓練的 NER 模型（作為管道的最后階段），它需要令牌和 POS 標簽作為兩個輸入。POS 標記器也需要令牌。但是 Tokenizer 是一個AnnotatorApproach，我無法將其添加到管道中。
這是 Tokenizer 的實體化方式（在 Java 中）：
AnnotatorApproach<TokenizerModel> tokenizer = new Tokenizer();
這有效：
Pipeline pipeline = new Pipeline().setStages( new PipelineStage[]{tokenizer} );
但這不起作用，因為 Tokenizer 不是 Transformer：
List<Transformer> list;
list.add(tokenizer);
PipelineModel pipelineModel = new PipelineModel("ID42", list);
uj5u.com熱心網友回復：
始終擬合管道將為您回傳一條準備好進行推理的管道，即使您擬合空資料集也是如此。如果您只依賴不需要培訓的注釋器，那也沒關系。這是推薦的用法，在通常不必要的情況下操作各個階段，hacky，并且可能導致錯誤。
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/364874.html