ValueError: [E966] `nlp.add_pipe` при изменении правила сегментации предложения модели spaCy

Я использую Python 3.9.7 и библиотеку spaCy и хочу изменить то, как модель сегментирует данное предложение. Вот предложение и правило сегментации, которое я создал в качестве примера:

import spacy
nlp=spacy.load('en_core_web_sm')

doc2=nlp(u'"Management is doing the  right things; leadership is doing the right things." -Peter Drucker')

def set_custom_boundaries(doc):
    for token in doc[:-1]:
        if token.text= = ";":
            doc[token.i +1].is_sent_start=True
    return doc

nlp.add_pipe(set_custom_boundaries, before='parser')

Однако это приводит к следующему сообщению об ошибке:

ValueError                                Traceback (most recent call last)
C:\Users\SEYDOU~1\AppData\Local\Temp/ipykernel_21000/1705623728.py in <module>
----> 1 nlp.add_pipe(set_custom_boundaries, before='parser')

~\Anaconda3\lib\site-packages\spacy\language.py in add_pipe(self, factory_name, name, before, after, first, last, source, config, raw_config, validate)
    777             bad_val = repr(factory_name)
    778             err = Errors.E966.format(component=bad_val, name=name)
--> 779             raise ValueError(err)
    780         name = name if name is not None else factory_name
    781         if name in self.component_names:

ValueError: [E966] `nlp.add_pipe` now takes the string name of the registered component factory, not a callable component. Expected string, but got <function set_custom_boundaries at 0x000002520A59CCA0> (name: 'None').

- If you created your component with `nlp.create_pipe('name')`: remove nlp.create_pipe and call `nlp.add_pipe('name')` instead.
    
- If you passed in a component like `TextCategorizer()`: call `nlp.add_pipe` with the string name instead, e.g. `nlp.add_pipe('textcat')`.
    
- If you're using a custom component: Add the decorator `@Language.component` (for function components) or `@Language.factory` (for class components / factories) to your custom component and assign it a name, e.g. `@Language.component('your_name')`. You can then run `nlp.add_pipe('your_name')` to add it to the pipeline.

Я просмотрел некоторые решения в Интернете, однако я не смог решить проблему как новичок в Python. Как можно использовать собственное правило сегментации в конвейере spaCy?