spacy依存分析模型

一、题目要求

• 根据提供的spacy/pytorch（任选其一）代码和依存分析的内容训练一个可以判断人物关系的依存分析模型。

二、数据集展示

• 训练集数据如下：
  
• 测试集数据如下：
  

三、数据集处理

• 依存句法通过分析语言单位内成分之前的依存关系解释其句法结构，主张句子中核心动词是支配其他成分的中心成分。而它本身却不受其他任何成分的支配，所有受支配成分都以某种关系从属于支配者。
• 为了方便后续模型的训练，现在需要对训练集进行标注。中文依存分析的标注关系如下：
  

1. 以房祖名是成龙的儿子为例，需要将该句子标注成以下形式：

2. 构建TRAIN_DATA 如下(以房祖名是成龙的儿子为例)：

TRAIN_DATA = [
    ("房祖名 是 成龙 的 儿子", {
   
        'heads': [1,1,4,3,1],
        'deps': ['nsubj','ROOT','amod','prep','pobj']
    })
]

四、训练模型

4.1 导入包

• 导入所需要的包。

from __future__ import unicode_literals, print_function

import plac
import random
from pathlib import Path
import spacy
from spacy.training import Example
from spacy.pipeline.dep_parser import DEFAULT_PARSER_MODEL

4.2 模型参数的注解（语种、输出目录以及训练迭代次数）

@plac.annotations(
    model=("Model name. Defaults to blank 'en' model."