是否可以根据规则\模式使用“提示”训练/调整spacy-NER模型

Question

虚拟示例： 我希望NER能探测到地点，动物和运动团体 Matcher\PhraseMatcher\EntityRuler（哪个与此用例更相关？）可用于添加“简单”规则 比如： 地点：芝加哥，纽约 动物：公牛，鸡 团体：芝加哥公牛队

NER层应该能够了解芝加哥公牛队是一个群体，而不是一个地点和动物（就像单独使用一个火柴会给予） 位置+动物的其他组合是运动组，而不是位置-动物对（即使训练集中没有特定的组合）

TLDR：我不想按原样使用基于规则的提取实体，而是作为另一层的提示，该层将使用这些实体来改进实体提取

Answer 1

正在从this issue复制我的答复：

是的，使用匹配模式来改进统计模型是非常有意义的，这实际上是我们在注释工具Prodigy中使用的一种方法，它使收集训练数据更容易。规则失效的模棱两可的例子（例如“多头”）确实很有趣，因为这些是你希望统计模型处理的。在

在实际实现方面，您仍然希望您的工作流有两个步骤：

1. 使用匹配来提取候选示例并选择要使用的示例。在
2. 用新的例子训练/更新模型并对其进行评估。在

你的模型不会只是在运行时快速更新，因为那不是那么有用——你通常需要一个专门的培训和评估步骤，这样你就可以使用一些机器学习技巧，同时确保你的模型确实在改进。在

另外，别忘了包括模型之前正确的实体——例如，如果你在“芝加哥公牛队”中的句子中也包含了一个人名，那么你也希望这个名字也包含在训练数据中。所以你的工作流程应该是这样的：

• 使用模式规则来提取文本上的匹配项。在
• 对于每个文本，还要检查doc.ents并获取现有的实体。在
• 将两者结合起来检查是否正确。在
• 用这些新的例子更新你的模型。在

好的一点是，这大部分都可以通过Python脚本实现自动化。另请参见this docs section以获取示例。在

a Matcher \ PhraseMatcher\ EntityRuler (which is more relevant for this use case?)

EntityRuler基本上是一个更高级的组件，它使用Matcher和{}在Doc中查找匹配项，并自动将它们添加到doc.ents。它还支持输入大模式文件，并在保存时用模型将其序列化。它还处理这样一个事实：根据定义，命名实体不能重叠，因为一个标记只能是一个实体的一部分。因此，如果你知道你要找的是实体，EntityRuler可能会更方便，因为这意味着你将不得不自己编写更少的代码。在