Python 喂饲Spacy-NER模型反例以提高训练效果

我已经为spacy的ner模型提供了一组GoldParse对象来进行训练

我现在想做的是评估新句子的结果，并将每个被认可的实体标记为“好”或“坏”，然后将这些信息纳入新的一批训练中

---

这可能吗？ner模型如何从负面示例中学习？

是的，可以从负面示例中学习——它在spaCy中实现，因为它是我们的商业注释工具Prodigy的一个关键功能：

要将跨度标记为“非人”，您可以制作其标签！人。这应该是你需要做的全部。目前没有一种简单的方法来编码约束，比如“非人非组织”——您必须在

spacy/syntax/ner.pyx

该模型可以从诸如“notperson”之类的注释中学习，因为spaCy的NER和解析器都使用基于转换的模仿学习算法。在每一个单词中，我们都试图预测要采取什么行动来改变当前状态。监管来自一个甲骨文，它告诉我们哪些操作会引入新的错误。如果我们知道某段文字不是一个人，甲骨文可以用它来标记某些操作的成本。我们将有多个零成本行动，但这是正常的——不管怎样，在正常的训练中经常发生

在本视频中，您可以了解有关实体识别器工作原理的更多信息：