空间数组枚举上的标量变量索引无效

Question

我正在尝试在本地运行以下句子压缩： https://github.com/zhaohengyang/Generate-Parallel-Data-for-Sentence-Compression

所以我复制了文件并使用 conda 安装了所有依赖项。 我做了一些小的修改，例如从 url 而不是本地磁盘读取数据，并将他的parallel_data_gen.py捆绑在我的单个 py 文件中。

但是当我运行它时，我得到：

空间库无法将句子解析为树。请忽略这句话对

----------------59-------------------
reducing sentence: This year the Venezuelan government plans to continue its pace of land expropriations in order to move towards what it terms ``agrarian socialism''.
reducing headline: Venezuelan government to continue pace of land expropriations for ``agrarian socialism''
Traceback (most recent call last):
File "/home/user/dev/projects/python-snippets/zhaohengyang/sentence-compression.py", line 701, in <module>
reduce_sentence(sample)
File "/home/user/dev/projects/python-snippets/zhaohengyang/sentence-compression.py", line 641, in reduce_sentence
sentence_info = parse_info(sentence)
File "/home/user/dev/projects/python-snippets/zhaohengyang/sentence-compression.py", line 616, in parse_info
heads = [index + item[0] for index, item in enumerate(doc.to_array([HEAD]))]
IndexError: invalid index to scalar variable.

我不确定如何解决这个问题，因为我是一个相当新手的 python 用户。

这是我正在运行以重现问题的完整代码：https://gist.github.com/avidanyum/3edfbc96ea22807445ab5307830d41db

失败的内部代码段：

def parse_info(sentence):
doc = nlp(sentence)
heads = [index + item[0] for index, item in enumerate(doc.to_array([HEAD]))]

现在我加载了nlp：

import spacy
print('if you didnt run: python -m spacy download en')
import spacy.lang.en
nlp = spacy.load('en')

有关我的环境的更多信息：

/home/user/home/user/dev/anaconda3/envs/pymachine/bin/python --version
Python 2.7.15 :: Anaconda, Inc.

Answer 1

快速注意，我在python 2.0上运行spaCy 3.6，但只是对示例句子进行快速测试：

nlp = spacy.load('en_core_web_lg')
doc = nlp("Here is a test sentence for me to use.")

我在运行您的代码时遇到一些错误，这两个错误都在您指定的行中：

heads = [(index, item) for index, item in enumerate(doc.to_array([HEAD]))]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 'HEAD' is not defined

这是因为to_array调用需要string对象的list。将其固定为此：

# Note that HEAD is now a string, rather than a variable
heads = [(index, item) for index, item in enumerate(doc.to_array(['HEAD']))]
heads
[(0, 3), (1, 1), (2, 1), (3, 0), (4, 18446744073709551615), (5, 1), (6, 18446744073709551614), (7, 18446744073709551612)]

解决了问题。您还会注意到，enumerate返回的item是int或scalar类型，因此它没有 index 属性。摆脱你的index[0]，这应该可以解决你的问题。

没有错误的方法：

def parse_info(sentence):
doc = nlp(sentence)
heads = [index + item for index, item in enumerate(doc.to_array(['HEAD']))]