Nlp 如何改进空间模型以完全识别坐标？

我使用Wonder prodigy训练了一个自定义命名实体识别模型，但它无法识别以下坐标：

“但是太阳是7°长，距离火星51'24”

如你所见，它给了我：

[7°长51'24”]

但应该是这样的

[7°51'24”长] 有人能帮我解释一下为什么会这样吗

更多详情：

我用正则表达式为标签做了如下注释：日期、时间、坐标，然后我用Prodigy训练了自定义命名实体识别

我首先对每个标签执行此步骤

1-通过此命令编辑注释（例如，经度）

通过正则表达式编辑（由注释器）我的每注释数据。然后我合并了我的数据集。下一步是通过

2-bulid a模型（适用于所有合并数据）

问题: 我怎样才能有更好的注释关于长

现在我有一个模型，它有这样的结果：

BEFORE     0.008
Correct    36
Incorrect  4438
Entities   2802
Unknown    0


#          LOSS       RIGHT      WRONG      ENTS       SKIP       ACCURACY
01         110.744    1614       163        1683       0          0.908
02         98.563     1660       107        1719       0          0.939
03         98.472     1668       96         1724       0          0.946
04         96.250     1673       93         1731       0          0.947
05         96.192     1679       80         1730       0          0.955
06         96.108     1678       71         1719       0          0.959
07         94.347     1681       67         1721       0          0.962
08         96.472     1679       66         1716       0          0.962
09         98.936     1681       57         1711       0          0.967
10         96.175     1681       57         1711       0          0.967

Correct    1681
Incorrect  57
Baseline   0.008
Accuracy   0.967

它可以像您在这里看到的那样对数据进行注释（单击链接）

！[注释文本]

（）

！[注释文本]

问题是模型无法像您所看到的那样完全学习坐标 7°长51英尺24英寸 7°51'24“长

注释错误（但在训练集中由正则表达式正确注释，但在测试集中由模型正确注释！）

你知道如何改进吗

---

第二个问题，我如何使用ner的结果对句子进行分类？

既然您试图识别的命名实体非常具体，一个坐标，它的形状定义得很好，为什么不使用模式/规则，例如正则表达式？

在这里，您可以看到正则表达式可以完美地注释长字符串（我在regex101.com中测试）

但我不知道为什么训练后会出现一些错误（错误这不是问题，但我想知道为什么它会给我一部分跨度）

正如你在这里所说：

像 在第三行：[837是注释，但------->837双子座]是正确的 第四行中[7已注释，但------->7 51 21]是正确的

---

另一个注释是可以的，即使是时间，但是我们有10h 50m，看起来像是长的结构（不止一个单词）但这是正确的，我真的不知道问题出在哪里！

非常感谢David的回答，实际上计划是首先用正则表达式提供规则方法，然后我们基本上注释所有数据，以便有一个空间模型，并可能改进注释（因为在prodigy中训练模型后，可以由annotor重新注释），我们将数据导入Prodigy（spaCY的产品）但是，即使s oRegex给了我们正确的坐标，在试验了mdoel之后，也有一些错误。但是正则表达式已经给了你正确的坐标，为什么不依赖正则表达式来找到这些LAT/LON和其他命名实体的统计模型呢？你可以同时使用这两个，只需使用一点soft.eng。你可以让你的管道同时使用这两个。我不知道我不知道如何使用这两种方法，因为我使用了“prodigy”来训练regex基于模型的预注释标签。从您的主代码中，您可以调用基于prodigy的模型，也可以应用regex，最后合并结果。您是说我应该使用除“LONG”之外的所有标签制作模型然后保存了数据，并将regex中的注释数据与结果合并为“LONG”。可能吗？请给我发送一个示例或链接，我不知道在prodigy中创建模式后如何保存数据

python -m prodigy ner.batch-train data_merged_v06 en_core_web_sm --output Model_12 --n-iter 10 --eval-split 0.2 --dropout 0.2 --no-missing

BEFORE     0.008
Correct    36
Incorrect  4438
Entities   2802
Unknown    0


#          LOSS       RIGHT      WRONG      ENTS       SKIP       ACCURACY
01         110.744    1614       163        1683       0          0.908
02         98.563     1660       107        1719       0          0.939
03         98.472     1668       96         1724       0          0.946
04         96.250     1673       93         1731       0          0.947
05         96.192     1679       80         1730       0          0.955
06         96.108     1678       71         1719       0          0.959
07         94.347     1681       67         1721       0          0.962
08         96.472     1679       66         1716       0          0.962
09         98.936     1681       57         1711       0          0.967
10         96.175     1681       57         1711       0          0.967

Correct    1681
Incorrect  57
Baseline   0.008
Accuracy   0.967

regex_patterns = [
                  re.compile(r"\d{1,3}\s?°\s?\d{1,2}\s?[\'|’]\s?\d{1,2}\s?[\"|”|“]\s?[A-Z][a-z.]+"   #LONG in format 
                              "|\d{1,3}\s?°\s?\d{1,2}\s?[\'|’]\s?\s?[A-Z][a-z.]+"
                              "|\d{1,3}\s?°\s?\d{1,2}\s?[\'|’]\s?\d{1,2}\s?[\"|”|“]"
                              "|\d{1,3}\s?°\s?\d{1,2}\s?[\'|’]"
                              "|\d{1,3}\s?°\s?[A-Z][a-z.]+")           
]