如何在Spacy中创建具有多个模型的NER管道

Question

我正在为spacy NER培训新实体。我尝试将我的新实体添加到现有的spacy'en'模型中。但是，这影响了'en'和我的新实体的预测模型。

一、 为此，建立了一个空白模型并训练了实体识别。这很有效。然而，它只能预测我训练过的那些，而不能预测常规的空间实体识别。在

比如说我把“马”训练成动物实体。在

对于给定的文本

txt ='Did you know that George bought those horses for 10000 dollars?'

我希望能识别以下实体

^{pr2}$

以我目前的设置，它只识别马。在

nlp = spacy.load('en')
hsnlp = spacy.load('models/spacy/animal/')
nlp.add_pipe(hsnlp.pipeline[-1][-1], 'hsner')

nlp.pipe_names

这给了

----------------------
['tagger', 'parser', 'ner', 'hsner']
----------------------

但是当我试图执行

doc = nlp(txt)  *<-- Gives me kernel error and stops working*

请让我知道如何在spacy中有效地为NER创建管道。 我正在使用spacy 2.0.18

Answer 1

主要问题是如何加载和组合管道组件，使它们使用相同的Vocab（nlp.vocab），因为管道假设所有组件共享相同的词汇，否则您可能会得到与StringStore相关的错误。在

您不应该尝试组合使用不同单词向量训练的管道组件，但只要向量相同，问题是如何从具有相同词汇的不同模型加载组件。在

使用spacy.load()无法做到这一点，因此我认为最简单的选择是用所需的voab初始化一个新的管道组件，并通过临时序列化将现有组件重新加载到新组件中。在

为了使用易于访问的模型进行简短的演示，我将演示如何将德语NER模型从de_core_news_sm添加到英文模型en_core_web_sm中，尽管这不是您通常想要做的事情：

import spacy # tested with v2.2.3
from spacy.pipeline import EntityRecognizer

text = "Jane lives in Boston. Jan lives in Bremen."

# load the English and German models
nlp_en = spacy.load('en_core_web_sm')  # NER tags PERSON, GPE, ...
nlp_de = spacy.load('de_core_news_sm') # NER tags PER, LOC, ...

# the Vocab objects are not the same
assert nlp_en.vocab != nlp_de.vocab

# but the vectors are identical (because neither model has vectors)
assert nlp_en.vocab.vectors.to_bytes() == nlp_de.vocab.vectors.to_bytes()

# original English output
doc1 = nlp_en(text)
print([(ent.text, ent.label_) for ent in doc1.ents])
# [('Jane', 'PERSON'), ('Boston', 'GPE'), ('Bremen', 'GPE')]

# original German output (the German model makes weird predictions for English text)
doc2 = nlp_de(text)
print([(ent.text, ent.label_) for ent in doc2.ents])
# [('Jane lives', 'PER'), ('Boston', 'LOC'), ('Jan lives', 'PER'), ('Bremen', 'LOC')]

# initialize a new NER component with the vocab from the English pipeline
ner_de = EntityRecognizer(nlp_en.vocab)

# reload the NER component from the German model by serializing
# without the vocab and deserializing using the new NER component
ner_de.from_bytes(nlp_de.get_pipe("ner").to_bytes(exclude=["vocab"]))

# add the German NER component to the end of the English pipeline
nlp_en.add_pipe(ner_de, name="ner_de")

# check that they have the same vocab
assert nlp_en.vocab == ner_de.vocab

# combined output (English NER runs first, German second)
doc3 = nlp_en(text)
print([(ent.text, ent.label_) for ent in doc3.ents])
# [('Jane', 'PERSON'), ('Boston', 'GPE'), ('Jan lives', 'PER'), ('Bremen', 'GPE')]

Spacy的NER组件（EntityRuler和EntityRecognizer）是为了保留任何现有的实体而设计的，因此新组件只添加了带有德语NER标记PER的{}，并按照英语NER的预测保留所有其他实体。在

您可以使用add_pipe()的选项来确定组件在管道中的插入位置。要在默认英语NER之前添加德语NER，请执行以下操作：

^{pr2}$

所有add_pipe()选项都在文档中：https://spacy.io/api/language#add_pipe

您可以将扩展管道保存为单个模型，以便下次可以用spacy.load()在一行中加载它：

nlp_en.to_disk("/path/to/model")
nlp_reloaded = spacy.load("/path/to/model")
print(nlp_reloaded.pipe_names) # ['tagger', 'parser', 'ner', 'ner_de']