Python 使用spacy offset格式构建GoldDoc，以使用CLI训练空白模型

我目前正在使用3个标签进行NER：

• 人
• 电话
• 地址

我可以用python代码来训练我的模型，但我想使用CLI训练，它提供了更多的灵活性

我已将数据转换为空间偏移训练格式，如下所示：

[
    ["Bonjour\r\n\r\n\r\n\r\ncordialement, Thomas\r\n\r\n tel 0102030405",{"entities": [[70,79,"PHONE"],[56,61,"PER"]]}]
]

为了使用CLI来训练/评估我的模型，我需要将这些数据转换为黄金格式

我已经知道以下方法，但需要使用现有nlp：

doc = nlp(text)
tags = biluo_tags_from_offsets(doc, offsets)

我的问题是：

---

如果我需要创建带有特定标签的模型，如何将空间偏移量转换为黄金。

这里的模型仅用于标记化和句子分割，因此也可以说：

from spacy.lang.en import English
nlp = English()
nlp.add_pipe(nlp.create_pipe("sentencizer"))

---

我不明白判刑管会做什么。我是否需要配置此管道并调用我在问题中编写的代码？培训格式要求将代码分段为标记和句子。在文本上运行

nlp（）

会在添加量刑器（或解析器）后生成两个分段。这里有一个完整的例子：我已经检查了这个堆栈溢出，这正是我所需要的，但正如在另一个问题“我在生成的json中没有看到我的任何标记实体”上所说的，我的标签不适用于每个人、地址或电话。我认为上面实体中的字符偏移量不正确？是正确的（我删除了一些机密元素）但保留了相同的偏移量，我使用了nlp=French而不是nlp.load（'fr_core_news_sm'）。我现在在输出中有了我的标签，但缺少一些行。