我从SpaCy文档中获取了一些代码，这些代码允许你为文本分配自定义的依赖标签，我希望用它来解释用户的意图。代码大体上是工作的，但例如当我运行代码时，它将“delete”标记为‘ROOT’，而在deps字典中它应该被标记为‘INTENT’。

from __future__ import unicode_literals, print_functionimport placimport randomimport spacyfrom pathlib import Path# 训练数据：文本、头部和依赖标签# 对于没有关系的，我们简单地选择一个任意的依赖标签，例如 '-'TRAIN_DATA = [    ("How do I delete my account?", {        'heads': [3, 3, 3, 3, 5, 3, 3],  # 标记头部的索引        'deps': ['ROOT', '-', '-', 'INTENT', '-', 'OBJECT', '-']    }),    ("How do I add a balance?", {        'heads': [3, 3, 3, 3, 5, 3, 3],        'deps': ['ROOT', '-', '-', 'INTENT', '-', 'OBJECT', '-']    }),    ("How do I deposit my funds into my bank account?", {        'heads': [3, 3, 3, 3, 5, 3, 3, 9, 9, 6, 3],        'deps': ['ROOT', '-', '-', 'INTENT', '-', '-', '-', '-', '-', 'OBJECT', '-']    }),    ("How do I fill out feedback forms?", {        'heads': [3, 3, 3, 3, 3, 6, 3, 3],        'deps': ['ROOT', '-', '-', 'INTENT', '-', '-', 'OBJECT', '-']    }),    #("How does my profile impact my score?", {        #'heads': [4, 4, 4, 4, 4, 6, 4, 4],        #'deps': ['ROOT', '-', '-', '-', 'INTENT', '-', 'OBJECT' '-']    #}),    ("What are the fees?", {        'heads': [1, 1, 3, 1, 1],        'deps': ['ROOT', '-', '-', 'INTENT', '-']    }),    ("How do I update my profile picture?", {        'heads': [3, 3, 3, 3, 6, 6, 3, 3],        'deps': ['ROOT', '-', '-', 'INTENT', '-', 'OBJECT', 'OBJECT', '-']    }),    ("How do I add a referral to the marketplace?", {        'heads': [3, 3, 3, 3, 5, 3, 3, 8, 6, 3],        'deps': ['ROOT', '-', '-', 'INTENT', '-', 'OBJECT', '-', '-', 'OBJECT', '-']    }),]@plac.annotations(    model=("模型名称。默认为空白的 'en' 模型。", "option", "m", str),    output_dir=("可选的输出目录", "option", "o", Path),    n_iter=("训练迭代次数", "option", "n", int))def main(model=None, output_dir=None, n_iter=5):    """加载模型，设置管道并训练解析器。"""    if model is not None:        nlp = spacy.load(model)  # 加载已存在的SpaCy模型        print("已加载模型 '%s'" % model)    else:        nlp = spacy.blank('en')  # 创建空白的语言类        print("已创建空白 'en' 模型")    # 我们将使用内置的依赖解析器类，但我们想要创建一个新的实例 - 以防万一。    if 'parser' in nlp.pipe_names:        nlp.remove_pipe('parser')    parser = nlp.create_pipe('parser')    nlp.add_pipe(parser, first=True)    #向解析器添加新的标签    for text, annotations in TRAIN_DATA:        for dep in annotations.get('deps', []):            parser.add_label(dep)    other_pipes = [pipe for pipe in nlp.pipe_names if pipe != 'parser']    with nlp.disable_pipes(*other_pipes):  # 只训练解析器        optimizer = nlp.begin_training()        for itn in range(n_iter):            random.shuffle(TRAIN_DATA)            losses = {}            for text, annotations in TRAIN_DATA:                nlp.update([text], [annotations], sgd=optimizer, losses=losses)            print(losses)    # 测试训练后的模型    test_model(nlp)    # 将模型保存到输出目录    if output_dir is not None:        output_dir = Path(output_dir)        if not output_dir.exists():            output_dir.mkdir()        nlp.to_disk(output_dir)        print("模型已保存到", output_dir)        # 测试保存的模型        print("从", output_dir, "加载")        nlp2 = spacy.load(output_dir)        test_model(nlp2)def test_model(nlp):    texts = ["How do I delete my account?"]    docs = nlp.pipe(texts)    for doc in docs:        print(doc.text)        print([(t.text, t.dep_, t.head.text) for t in doc if t.dep_ != '-'])if __name__ == '__main__':    plac.call(main)

这是输出结果：How do I delete my account?[(u'How', u'ROOT', u'delete'), (u'delete', u'ROOT', u'delete'), (u'account', u'OBJECT', u'delete')]

回答：

我认为你的问题根源在于依赖树的根节点自动被标记为'ROOT'（依赖树的根节点被定义为其头部是自身的标记）。

一个可能的解决方法是为你的训练数据添加一个人工根节点：

("root How do I delete my account?", {    'heads': [0, 4, 4, 4, 0, 6, 4, 4],  # 标记头部的索引    'deps': ['ROOT', '-', '-', '-', 'INTENT', '-', 'OBJECT', '-']})

（同时在你的测试示例中也添加root符号：texts = ["root How do I delete my account?"]）

通过这些更改，如果你对模型进行足够长的训练，你将得到：

root How do I delete my account?[('root', 'ROOT', 'root'), ('delete', 'INTENT', 'root'), ('account', 'OBJECT', 'delete')]