Python NER使用Spacy库在恢复解析器上未给出正确的结果

我正在使用SpaCY的命名实体识别从简历中提取姓名、组织等。 这是我的python代码

import spacy
import PyPDF2
mypdf = open('C:\\Users\\akjain\\Downloads\\Resume\\Al Mal Capital_Nader El Boustany_BD Manager.pdf', mode='rb')
pdf_document = PyPDF2.PdfFileReader(mypdf)
first_page = pdf_document.getPage(0)
nlp = spacy.load('en_core_web_sm') 
text = first_page.extractText()
doc = nlp(text)   
for ent in doc.ents: 
    print(ent.text, ent.label_) 

如果我看到输出，它看起来不太好。 名称未正确标识。姓氏被视为组织名称，迪拜被视为个人等等

这是我从公共数据集中获得的简历快照

我想从简历中提取候选人姓名、组织机构、位置等信息。当我阅读文档时，它说使用spaCy的准确率超过95%。但就我而言，情况并非如此。 有没有办法提高特征提取的准确性

spaCy NER是在OnNotes语料库上训练的，该语料库是电话对话、新闻专线、新闻组、广播新闻、广播对话和网络日志的集合。这些类型的文本都主要包含完整的句子，这与你正在培训的简历大不相同。例如，实体Dubai周围没有语法上下文，这使得该特定模型很难将其识别为位置。它习惯于看到像…这样的句子。。。当他在迪拜旅行时。。。。一般来说，机器学习性能总是与您正在培训和评估模型的特定问题领域相关

您可以尝试使用en_core_web_md或en_core_web_lg运行此功能，它们在OntoNotes上的性能稍好一些，但在特定的域文本上仍然不能很好地运行

为了尝试提高准确性，我建议您自己注释一组简历，并将培训数据反馈到模型中，从而进一步完善现有模型。请参阅文档。不过，我不确定这会有多好，因为正如我所说的，简历更难，因为它们的句子上下文较少。

spaCy NER是在OntoNotes语料库上训练的，该语料库是电话对话、新闻专线、新闻组、广播新闻、广播对话和网络日志的集合。这些类型的文本都主要包含完整的句子，这与你正在培训的简历大不相同。例如，实体Dubai周围没有语法上下文，这使得该特定模型很难将其识别为位置。它习惯于看到像…这样的句子。。。当他在迪拜旅行时。。。。一般来说，机器学习性能总是与您正在培训和评估模型的特定问题领域相关

您可以尝试使用en_core_web_md或en_core_web_lg运行此功能，它们在OntoNotes上的性能稍好一些，但在特定的域文本上仍然不能很好地运行

为了尝试提高准确性，我建议您自己注释一组简历，并将培训数据反馈到模型中，从而进一步完善现有模型。请参阅文档。不过，我不确定这会有多好，因为正如我所说的，简历更难，因为它们的句子上下文较少