Nlp 如何提取某个单词后面有空格的人称实体？

我有这个文本（代码中的text2），它有3个“by”字，我想用Spacy来提取这个人的名字（全名，即使是3个字，有些种族使用长名字，在本例中是2）。代码如下，我的模式显示错误。我的意图是：首先用ORTH修复“by”这个词，然后告诉程序接下来发生的事情就是被称为PERSON的词性实体。如果有人帮助我，我会很高兴：

import spacy
from spacy.matcher import Matcher
matcher = Matcher(nlp.vocab)
text2 = 'All is done by Emily Muller, the leaf is burned by fire. we were not happy, so we cut     relations by saying bye bye'
def extract_person(nlp_doc):
     pattern = [{'ORTH': 'by'}, {'POS': 'NOUN'}}]
     # second possible pattern:
     #pattern = [{"TEXT": "by"}, {"NER": "PERSON"}]
     matcher.add('person_only', None, pattern)
     matches = matcher(nlp_doc)
     for match_id, start, end in matches:
         span = nlp_doc[start:end]
         return span.text
target_doc = nlp(text2)
extract_person(target_doc)

---

我认为这个问题可以用另一种方式来回答：如何在spacy的Matcher中的pattern中使用NER标记？

如果要使用全名，应该在开始时合并实体。您可以通过调用：

nlp.add\u管道（“merge\u entities”，after=“ner”）

然后按照您的模式，而不是：

pattern = [{"TEXT": "by"}, {"NER": "PERSON"}]

使用：

完整代码：

nlp.add_pipe("merge_entities", after="ner")

text2 = 'All is done by Emily Muller, the leaf is burned by fire. we were not happy, so we cut relations by saying bye bye'

doc = nlp(text2)

pattern = [{"TEXT": "by"}, {"ENT_TYPE": "PERSON"}]

matcher = Matcher(nlp.vocab)

matcher.add('person_only', [pattern])
matches = matcher(doc)
for match_id, start, end in matches:
    print(doc[start:end])

---

我这样做了：data='TEXT PREVIOUS'doc=nlp（data）for ent in doc.ents:print（ent.TEXT，ent.start\u char，ent.end\u char，ent.label\u char）nlp.add\u pipe（nlp.create\u pipe（'merge\u entities'））\nlp.add\u pipe（“merge\u entities”，after=“ner”）\35; after='ner”显示错误模式=[{“TEXT”：“by”；“by”}，{“ent\u TYPE”：“PERSON”}]matcher.addmatches=matcher（doc）print（“matches:，[doc[start:end].matche的文本，开始，结束在matches中]）#结果：#Emily Muller 15 27人#matches:['by Emily']你能提供一些你正在处理的数据吗？您也可以尝试将名词短语与以下内容合并：

nlp.add\u pipe（“merge\u noon\u chunks”，last=True）

谢谢，我会尝试。这是数据。目标是在“by”之后提取人名（有时有3-4个人名，大多数情况下是2）：text2='所有这些都是由Emily Muller完成的，树叶被火焚烧。我们不高兴，所以我们通过说再见来切断关系。在这里，合并名词块可能没有帮助，但合并实体应该注意这一点。我在这里给出的答案适用于您的示例文本

nlp.add_pipe("merge_entities", after="ner")

text2 = 'All is done by Emily Muller, the leaf is burned by fire. we were not happy, so we cut relations by saying bye bye'

doc = nlp(text2)

pattern = [{"TEXT": "by"}, {"ENT_TYPE": "PERSON"}]

matcher = Matcher(nlp.vocab)

matcher.add('person_only', [pattern])
matches = matcher(doc)
for match_id, start, end in matches:
    print(doc[start:end])