使用 spacy python 的自定义 NER 需要多少训练数据（句子）？[只是粗略的想法]

Question

我想知道假设我有 10 个自定义实体来识别我应该给出多少带注释的训练句子（任何粗略的想法）？

先感谢您！！ :)

我是新手，请帮忙

Answer 1

为了开发自定义的 ner 模型，每个实体至少需要 50-100 次出现以及它们的适当上下文。 否则，如果您的数据少于自定义模型，则会过度拟合。 因此，根据您的数据，您将需要至少 200 到 300 个句子。

Answer 2

对于来自 Spacy 的自定义 NER 模型，每个实体肯定需要大约 100 个样本，并且在你的数据集中也没有任何偏差。

这一切都是根据我的经验。

建议-：Spacy Custom 模型你可以探索，但是对于生产级别或一些好的项目，你不能完全依赖它，你必须同时做一些NLP/关系提取等。

希望这可以帮助。