我怎样才能让 SpaCy 识别我所有给定的实体

Question

我加载并添加到实体标尺的 JSONL 格式的模式列表相当多

new_ruler = EntityRuler(nlp).from_disk(project_path + "data/skill_patterns.jsonl")
nlp.add_pipe(new_ruler)

当我打印结果时：print([(ent.text, ent.label_) for ent in doc.ents]) 我的输出是：

[('data science','SKILL|data-science'), ('CV', 'ORG'), ('Kandidaat', 'FAC'), ('één', 'CARDINAL'), ('LSTM',
 'ORG'), ('Parts', 'GPE'), ('Speech', 'GPE'), ('POS', 'ORG'), ('Entity Recognition', 'ORG'), 
('NER', 'ORG'), ('Word2vec', 'ORG'), ('GloVe', 'ORG'), ('Recursive', 'NORP'), ('Neural Networks', 'ORG'),
 ('Ensemble', 'PERSON'), ('Dynamic', 'NORP'), ('Intent detection', 'PERSON'), ('Phrase matching.-', 'ORG'),
 ('Microsoft', 'NORP'), ('Azure.-', 'ORG'), ('één', 'CARDINAL'), ('Python', 'WORK_OF_ART'),
 ('Pytorch', 'GPE'), ('Django', 'GPE'), ('GoLanguage.-', 'GPE'), ('Kandidaat', 'FAC'), ('1 november 2020', 'DATE')]

现在我知道一个事实，例如 ('Pytorch', 'GPE') 或 ('Django', 'GPE') 在我的模式列表中，应该被识别为 SKILL 而不是他们现在分配的实体。这也适用于其他一些 'skills'。

{"label":"SKILL|django","pattern":[{"LOWER":"django"}]}
{"label":"SKILL|pytorch","pattern":[{"LOWER":"pytorch"}]}

有没有人知道为什么它不遵守我自己创建的实体？

有没有一种方法可以让我的实体优先于模型中已有的实体？

谢谢！

Answer 1

我找到了解决办法。

通过在管道中的 NER（解析器之后）之前添加 new_ruler，它赋予创建的实体优先级

nlp.add_pipe(new_ruler, after='parser')

我怎样才能让 SpaCy 识别我所有给定的实体

How can I make SpaCy recognize all my given entities

python

spacy

named-entity-recognition