Python 如何添加一些我在spacy中做名词块（或textblob中的np_提取器）时已经知道的名词短语？

我在spacy中使用名词组块，在textblob中使用np提取程序来查找一些文章中的所有短语。 他们的一些技术术语分析错误。例如：“方差分析也称为方差分析”，结果表明名词短语是“方差分析”、“分析”、“方差”，但我认为正确的名词短语是“方差分析”、“方差分析”。

---

我已经有了一个包含一些技术短语的短语列表，我认为它可以帮助解析。如何使用此列表重新培训或改进名词短语提取器？

这听起来是一个很好的使用案例。在像您这样的场景中，它特别强大，您可以将统计模型（例如，基于词性标记和依赖项的名词块）与您自己的规则结合起来，以涵盖其余的特定情况

下面是一个简单的例子：

导入空间
从spacy.matcher导入短语匹配器
nlp=spacy.load（“en_core\u web\u sm”）
matcher=短语匹配器（nlp.vocab）
#这只是一个示例–请参阅文档，了解如何更优雅地执行此操作
添加（“短语”，无，nlp（“方差分析”），nlp（“方差分析”））
doc=nlp（“关于方差分析或方差分析的文本”）
匹配=匹配器（文档）
对于match_id，在matches中开始和结束：
匹配的_span=doc[开始：结束]
打印（匹配的文本）
#方差分析
#方差分析

匹配项的

开始

和

结束

索引允许您创建一个span–因此您将以

span

对象结束，就像

doc.noun\u块

返回的对象一样。如果您想更优雅地解决这个问题，还可以添加一个like

doc.\uu.custom\u noun\u chunks

，它在

doc

上运行匹配器，并返回匹配的跨距，甚至是匹配的跨距加上原始的名词块

---

顺便说一句，

doc.noun_块

基于词性标记和依赖项解析。您可以查看英文代码，了解它们是如何计算的。虽然理论上可以通过微调标记器和解析器来改进名词块，但这种方法似乎有点过分，而且对于您的用例来说更具推测性。如果您已经有了短语列表，您最好直接匹配它。

谢谢您的回答！我还有一个问题，就是有没有函数来评估这个模型生成的那些名词的准确性？如果模型对一个名词的准确性没有信心，我想放弃这个名词。我只想保留模型所确信的那些名词。