Python 3.x 在Spacy中，如何将基于规则的匹配优先于经过训练的NER模型？

我正在为Pubmed的生物医学文本癌症论文构建命名实体识别模型。我使用spacy为疾病、基因和药物类型3个实体训练了一个定制的NER模型。此外，我将模型与

这是我目前的密码-

加载经过训练的NER模型 nlp=spacy.loadmy\U spacy\U模型 为EntityRuler定义实体模式此处仅显示2个相关模式，它包含更多模式 模式=[{label:GENE，pattern:BRCA1}， {标签：基因，模式：BRCA2}] 标尺=EntityRulernlp 尺子。添加\u图案 nlp.add_管尺 当我在以下文本中测试上述代码时-

text = "Exceptional response to olaparib in BRCA2-altered breast cancer after PD-L1 inhibitor and chemotherapy failure"

我得到以下结果-

DISEASE  BRCA2-altered breast cancer
DRUG  olaparib
GENE PD-L1

然而，正确的答案是—

GENE BRCA2
^^^^^^^^^^^
DISEASE breast cancer
^^^^^^^^^^^^^^^^^^^^^
DRUG  olaparib
GENE PD-L1

该模型没有将BRCA2识别为基因，我已经在EntitytRuler的模式中添加了该基因

---

有没有一种方法可以将基于规则的匹配预测优先于经过训练的模型？或者，我还可以通过结合基于规则的匹配来获得正确的结果吗？

您可以在管道中的NER组件之前添加EntityRuler：

nlp.add_pipe(ruler, before="ner")

或者告诉EntityRuler覆盖现有实体：

ruler = EntityRuler(nlp, overwrite_ents=True)

---

在每种情况下，NER预测可能略有不同，因为在第一个选项中，模型的预测可能会随着现有实体跨度的存在而改变。

您可以在管道中的NER组件之前添加EntityRuler：

nlp.add_pipe(ruler, before="ner")

或者告诉EntityRuler覆盖现有实体：

ruler = EntityRuler(nlp, overwrite_ents=True)

---

在每种情况下，NER预测可能略有不同，因为在第一个选项中，由于存在现有实体跨度，模型的预测可能会发生变化。

我已经尝试在NER组件之前添加EntityRuler。这对于我在问题中分享的特定情况很有帮助，但是，更新后的模型无法标记它先前能够识别的实体。它学习我提供的基于规则的实体，但忘记了它以前标记的许多实体。我如何克服这个问题？我尝试使用overwrite_ents=True，结果如下-乳腺癌药物olaparib基因PD-L1无法识别BRCA2作为基因。我想这是因为在给定的句子中，BRCA2 altered是一个单词，我没有规则。你能解释一下overwrite_ents=True在做什么吗？我读了相关的，但无法理解它在做什么。然后我认为overwrite_ents=True是更好的选择。Ines在这里给出了一个很好的解释：如果EntityRuler实体的任何部分与现有实体重叠，甚至部分重叠，EntityRuler将删除现有实体并添加新的EntityRuler实体。感谢链接和解释。不过，我还有一个后续问题，使用overwrite_ents=True，它给出了以下结果——“疾病乳腺癌药物OLAPRIB基因PD-L1”`它无法识别BRCA2作为基因。我认为这是因为在给定的文本中，BRCA2作为一个词。因为我的模式中没有这个，所以它没有标记它。如何解决这个问题？我已经尝试在NER组件之前添加EntityRuler。这对于我在问题中分享的特定情况很有帮助，但是，更新后的模型无法标记它先前能够识别的实体。它学习我提供的基于规则的实体，但忘记了它以前标记的许多实体。我如何克服这个问题？我尝试使用overwrite_ents=True，结果如下-乳腺癌药物olaparib基因PD-L1无法识别BRCA2作为基因。我想这是因为在给定的句子中，BRCA2 altered是一个单词，我没有规则。你能解释一下overwrite_ents=True在做什么吗？我读了相关的，但无法理解它在做什么。然后我认为overwrite_ents=True是更好的选择。Ines在这里给出了一个很好的解释：如果EntityRuler实体的任何部分与现有实体重叠，甚至部分重叠，EntityRuler将删除现有实体并添加新的EntityRuler实体。感谢链接和解释。不过，我还有一个后续问题，使用overwrite_ents=True，它给出了以下结果——“疾病乳腺癌药物OLAPRIB基因PD-L1”`它无法识别BRCA2作为基因。我认为这是因为在给定的文本中，BRCA2作为一个词。因为我的模式中没有这个，所以它没有标记它。我怎样才能解决这个问题？