我希望能够使用spacy的全部功能，但是我目前选择的语言尚没有针对spacy的自己的模型。完整功能是指在标记器，解析器和NER之间共享的卷积层。并能够通过扩展词汇表来更新所有这些不同的模型。
我需要我的模型从一开始就进行依赖关系解析和命名实体识别，但是我也可以尝试进行文本分类等。
stanfordNLP中有一些模型可用于依赖项解析。我发现了spacy_stanfordnlp模块。这对于获取标签和可视化依赖模型很有用。有没有办法将此模型（或任何预先训练的模型）导入spacy的管道作为解析器？还是我需要通过使用此解析器的结果作为spacy的标签来完全在spacy方面进行重新训练，并使用spacy进行训练？我想将依赖性分析器转换为spacy，以训练具有特定词汇的NER模型，并在将来执行其他任务。
我尝试了类似的方法，但是没有用
snlp = stanfordnlp.Pipeline(lang="tr")
nlp1 = StanfordNLPLanguage(snlp)
nlp1.to_disk("./stanfordnlp-spacy-model")
nlp = spacy.load("./stanfordnlp-spacy-model", snlp=snlp)
parser = nlp.create_pipe("parser")
nlp.add_pipe(parser)
# this doesnt work, with a pytorch model from tr_imst tree bank, which is used by stanfodnlp
nlp.parser.from_bytes("tr_imst_parser.pt")["model"]