Инкрементальное/непрерывное/онлайн-обучение TextBlob с использованием spacy

Question

Я провел некоторый анализ настроений с помощью библиотеки spacytextblob, получив полярность текста, но я хочу применить к модели постепенное обучение. Я искал creme или riverml.xyz для разработки этой инкрементной модели, но понял, что textblob не использует модель мл для анализа. Вместо этого он использует https://github.com/sloria/TextBlob/blob/dev/textblob/en/en-sentiment.xml . Как мне применить поэтапное обучение, чтобы получить точное описание настроений?

(спаси 2.3.0)

Код Spacy: (из https://spacy.io/universe/project/spacy-textblob)

      import spacy
from spacytextblob.spacytextblob import SpacyTextBlob

nlp = spacy.load('en_core_web_sm')
spacy_text_blob = SpacyTextBlob()
nlp.add_pipe(spacy_text_blob)
text = 'But every now and then I have a really good day that makes me happy.'
doc = nlp(text)
print(f'Polarity: {doc._.sentiment.polarity}')
print(f'Subjectivity: {doc._.sentiment.subjectivity}')

С точки зрения крема это очень простое приложение: (из https://gokhang1327.medium.com/how-to-create-a-text-classifier-online-incremental-learning-with-creme-ml-6aac9d869e5c)

      import pandas as pd
from creme import compose
from creme import feature_extraction
from creme import naive_bayes
# Read dataset
df = pd.read_csv("7allV03.csv")
# Convert dataframe to list of tuples
docs = df.to_records(index=False)
# Creating the pipeline
# 1st function is creating the bag of words
# 2nd function is the naive bayes predictor
model = compose.Pipeline(
    ('tokenize', feature_extraction.BagOfWords(lowercase=False)),
    ('nb', naive_bayes.MultinomialNB(alpha=1))
)
# Training the model row by row
for sentence, label in docs:
    model = model.fit_one(sentence, label)

#Make predictions
model.predict_one("text to predict category")

#Increment Model
model = model.fit_one("new text to increment model", "label for new text")

Дайте мне знать, как я могу подойти к этой проблеме.