Python 是否可以使用“调整”来训练\调整spacy NER模型；“提示”；基于规则\模式

虚拟示例： 我希望NER能够检测位置、动物和运动团体 可以使用Matcher\PhraseMatcher\EntityRuler（哪个与此用例更相关？）来添加“简单”规则 比如： 地点：芝加哥，纽约 动物：公牛、鸡 组别：芝加哥公牛队

NER层应该能够了解到芝加哥公牛队是一个群体，而不是一个地点和动物（就像单独使用匹配器一样） 位置+动物的其他组合是运动组，而不是位置-动物对（即使训练集中不存在特定组合）

---

TLDR：我不想按原样使用基于规则的提取实体，而是作为另一层的提示，该层将使用它们改进实体提取

是的，使用匹配模式来改进统计模型是很有意义的，而且这实际上是我们在注释工具中使用的方法之一，使收集训练数据变得更容易。规则失败的模棱两可的例子（例如“多头”）实际上非常有趣，因为这些是您希望统计模型处理的例子

就实际实现而言，您仍然希望工作流包含两个步骤：

使用“匹配”提取候选示例并选择要使用的示例

使用新示例培训/更新模型，并对其进行评估

您的模型不会只是在运行时自动更新，因为这不是很有用——您通常需要一个专门的培训和评估步骤，这样您就可以使用一些机器学习技巧，并确保您的模型确实在改进

另外，不要忘了包括模型之前正确的实体——例如，如果你在“芝加哥公牛队”的句子中还包括一个人名，那么你希望这也包括在训练数据中。因此，您的工作流程可以如下所示：

• 使用模式规则提取文本中的匹配项
• 对于每个文本，还要检查

  doc.ents

  ，并获取现有实体
• 将两者结合起来，检查它们是否正确
• 用这些新示例更新您的模型

很好的一点是，大多数这一切都可以通过Python脚本实现自动化。另请参见示例

Matcher\PhraseMatcher\EntityRuler（哪个与此用例更相关？）

---

EntityRuler

基本上是一个更高级的组件，它使用

Matcher

和

PhraseMatcher

在

Doc

中查找匹配项，并自动将它们添加到

Doc.ents

。它还支持输入大型模式文件，并在保存时使用模型将其序列化。它还处理了这样一个事实：根据定义，命名实体不能重叠，因为一个标记只能是一个实体的一部分。因此，如果您知道您正在寻找的是实体，

EntityRuler

可能会更方便，因为这意味着您必须自己编写更少的代码。

谢谢，我不确定我是否完全理解如果我培训一个NER模型，它将使用来自上游模型的功能，如标记文本、标记形状、词性、，等等。我可以让它也使用匹配器生成的属性作为模型的特征吗？澄清：EntityRecognizer模型可以使用自定义扩展属性作为特征吗？