Python 将新命名实体添加到Spacy'；s en_core_web_sm模型？

我在下面的示例中介绍如何培训新的实体类型：

当我没有将现有模型传递给它时，它可以正常工作，并将正确地创建一个新模型，该模型可以识别我的新命名实体，例如

 python.exe train-new-entity-type.py

 python.exe train-new-entity-type.py -m dir/my_model

当我将现有模型传递给它时，它也可以正常工作（之前通过运行它一次创建），并将模型正确加载到

dir/my_model

dir中，该目录仍然可以识别我的新命名实体，例如

 python.exe train-new-entity-type.py

 python.exe train-new-entity-type.py -m dir/my_model

但是，我想训练一种新的实体类型，并将其添加到spacy的现有模型中，以便spacy能够识别它自己的以及我的新实体类型，因此我尝试：

 python.exe train-new-entity-type.py -m en_core_web_sm

然而，这似乎不起作用。Spacy自己的实体类型已被识别，但它们不正确（与仅使用en_core_web_sm而不向其添加新的实体类型相比），并且我的新实体类型不再被识别

我做错什么了吗？这是否可能（将命名实体添加到en_core_web_sm）？

了解更新现有模型时的“灾难性遗忘”问题：

更新现有模型可能很棘手，因此为新实体类型训练单独的模型并使用自定义名称将NER组件添加到

en\u core\u web\u sm

管道中可能更容易。需要注意的主要问题是，您需要确保使用相同的vocab加载模型，以便不会在字符串存储中遇到问题：

导入空间
nlp=spacy.load（“en_core\u web\u sm”）
custom_nlp=spacy.load（“我的_模型”，vocab=nlp.vocab）
nlp.add_pipe（自定义_nlp.get_pipe（“ner”），name=“my_ner”，before=“ner”）

将其添加到管道中的位置（在现有

ner

之前/之后）将确定哪些实体跨度具有优先级，因为

ner

组件不会修改现有实体跨度。

了解更新现有模型时的“灾难性遗忘”问题：

更新现有模型可能很棘手，因此为新实体类型训练单独的模型并使用自定义名称将NER组件添加到

en\u core\u web\u sm

管道中可能更容易。需要注意的主要问题是，您需要确保使用相同的vocab加载模型，以便不会在字符串存储中遇到问题：

导入空间
nlp=spacy.load（“en_core\u web\u sm”）
custom_nlp=spacy.load（“我的_模型”，vocab=nlp.vocab）
nlp.add_pipe（自定义_nlp.get_pipe（“ner”），name=“my_ner”，before=“ner”）

将其添加到管道中的位置（在现有

ner

之前/之后）将确定哪些图元跨距具有优先级，因为

ner

组件不会修改现有图元跨距