如何在python中加载SparkNLP离线模型

问题描述

我需要使用 sparknlp 在 python 中进行词形还原，我想使用预训练的管道，但需要离线进行。这样做的正确方法是什么？我找不到任何 python 示例。

我将 token 作为词形还原的 inputcol 和 lemma 作为 outputcol 传递。以下是我的代码：

documentAssembler = DocumentAssembler().setInputCol("Transcript").setoutputCol("document")
tokenizer = Tokenizer().setInputCols(['document']).setoutputCol('token')
lemmatizer = LemmatizerModel().load("xx").setInputCols(["token"]).setoutputCol("lemma")

错误信息：

Py4JJavaError: An error occurred while calling None.com.johnsNowlabs.nlp.annotators.LemmatizerModel.
: java.lang.NoClassDefFoundError: Could not initialize class com.johnsNowlabs.util.ConfigHelper$
    at com.johnsNowlabs.nlp.serialization.Feature.<init>(Feature.scala:22)
    at com.johnsNowlabs.nlp.serialization.MapFeature.<init>(Feature.scala:145)
    at com.johnsNowlabs.nlp.annotators.LemmatizerModel.<init>(LemmatizerModel.scala:49)
    at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
    at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:62)
    at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45)
    at java.lang.reflect.Constructor.newInstance(Constructor.java:423)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:247)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
    at py4j.Gateway.invoke(Gateway.java:238)
    at py4j.commands.ConstructorCommand.invokeConstructor(ConstructorCommand.java:80)
    at py4j.commands.ConstructorCommand.execute(ConstructorCommand.java:69)
    at py4j.GatewayConnection.run(GatewayConnection.java:238)
    at java.lang.Thread.run(Thread.java:748)

解决方法

不确定为什么会收到此特定错误（您是如何初始化 Spark 的？），但这是另一个问题。

要离线使用 lemmatizer，您首先需要下载一个预训练的，例如从 here 下载，然后解压缩。然后将您的代码更改为

lemmatizer = LemmatizerModel().load("/path/to/unzipped/model").setInputCols...