如何在SPACYNLP中定义新实体

Question

我想在空间中定义一个新实体。你知道吗

我的代码需要实现以下功能：

• 搜索特定关键字的文本（此处为：“Streitwert”）

• 如果关键字在文本中，则查找单词出现的句子

• 在那句话中查找数字

• 此数字应该是一个带有标签“keyword”的实体

这是我的代码，但不起作用：

def get_keyword_value(token):
    if "Streitwert" in token.doc.text: 
        for sent in token.doc.sents:
            if "Streitwert" in sent.text:
                for token in sent:
                    if token.pos_ == "NUM":
                        return token.text


import spacy
from spacy.tokens import Token
nlp = spacy.load("de_core_news_sm")
Token.set_extension("Streitwert", getter=get_keyword_value, force=True)

text = "Die ist ein langer Text. Der Streitwert wird auf EUR 12.000 EUR festgesetzt"
doc = nlp(text)

[(token.text, token._.Streitwert) for token in doc]

代码工作不正常，有两个问题

1. 每个令牌都有一个令牌。uu.Streitwert=12.000（但它只能是令牌12.000

2. 如何定义新的文件标签为“Streitwert”

我真正想要的是，当我这么做的时候，“12000”被贴上了“Streitwert”的标签

[(ent.text, ent.label_) for ent in doc.ents]

Answer 1

至于定义一个新的自定义实体，您可以很容易地添加到实体列表中：ents。要了解如何做到这一点，我建议您看看这个相对较短的空间示例，它所做的事情与您想要做的非常相似： https://spacy.io/usage/rule-based-matching#on_match

在本例中，它们匹配一个单词，并基于匹配添加一个自定义实体。在这里，它们使用ORTH属性，但是您可以使用{“POS”：“NUM”}来满足您的需要。另外，您可能会发现使用Rule-based Matcher Explorer在友好的UI中处理matterns很有帮助。在本例中，不需要设置自定义属性。你知道吗

但是，如果您选择使用自定义属性路径，那么您需要使用的是正确的Token.set\u扩展（…）以启用令牌级自定义属性。我可以想象您想要将缺省值设置为False，然后用True覆盖False，如果令牌是“Streitwert”。您可以通过添加一个默认参数来实现这一点。你知道吗

Token.set_extension("Streitwert", default=None, force=True)

另外，我注意到get\u key\u word（…）方法在大多数情况下不会返回任何内容。i、 如果任何一个条件是False，应该返回什么值？你知道吗