您可以将 spaCy 设置为仅标记 GPE（删除 ORG）吗？

Question

在一些情况下，spaCy 标记的是 ORG 而不是我正在寻找的 GPE。 我不确定如何“关闭”标记 ORG 以便它只查找 GPE，或者是否有办法首先确定 GPE 的优先级。

import spacy
from spacy import displacy
nlp = spacy.load('en_core_web_lg')doc = nlp('Is there a way to bypass the ORG tag for the Los Angeles Lakers and only tag Los Angeles')
displacy.render(doc, style="ent")

在那个例子中，当“洛杉矶湖人队”在一起时，它将被标记为 ORG，但我真正想要的是 GPE Los Angeles。 另一个例子是“西雅图海鹰队”正在寻找西雅图的 GPE，但我得到了 ORG

Answer 1

不，你不能这样做。 模型将标签之间的关系内在化，因此在推理过程中不能只忽略一个标签。

这是嵌套实体的情况，从某种意义上说，“洛杉矶”是 GPE 而“洛杉矶湖人队”同时是 ORG 是正确的。 但这很难 model 并且通常甚至没有用，因此大多数模型不这样做并且大多数数据集不支持它。 所以在这种情况下，model 已经被训练专门做你不希望它做的事情。

如果您正在寻找美国主要城市的真实位置，最好只使用 EntityRuler 来匹配大量地名。

您的另一种选择是从头开始训练 model。 如果它只是针对 GPE，那可能还不错，但它仍然会涉及很多。