spaCy是否支持用于命名实体识别的自定义类型？

Question

在spaCy (https://spacy.io/usage/linguistic-features#named-entities)的“命名实体识别”特征文档中，文档规定spaCy可以识别“PERSON”、“LOC”、“PRODUCT”(https://spacy.io/api/annotation#named-entities)等命名实体的“各种类型”。

我的问题是:我也可以用我的自定义实体来训练数据吗？例如，我希望对发票数据进行重新分类，例如IBAN / BIC或发票编号。。这也是可能的，还是这个特性仅限于一个固定的实体列表？

Answer 1

它确实支持自定义实体，cf 本节标题为“培训额外的实体类型”。

例如，要添加一个名为MY_ANIMAL的标签，可以使用这样的培训数据：

TRAIN_DATA = [
    (
        "Horses are too tall and they pretend to care about your feelings",
        {"entities": [(0, 6, MY_ANIMAL)]},
    ),
    ("Do they bite?", {"entities": []}),
    (
        "horses are too tall and they pretend to care about your feelings",
        {"entities": [(0, 6, MY_ANIMAL)]},
    ),
]

并将其输入现有的NER模型作为额外的培训，或者是新创建的NER管道。

但是，请注意: ML模型是为识别命名实体而优化的，命名实体通常是大写名词，如"John“、"London”或"The Times“。你也可以试着把它训练成更通用的东西，比如数字，但它可能也不起作用。