EntityRuler do rozpoznawania encji

EntityRuler można łączyć z EntityRecognizer istniejącego modelu, aby zwiększyć jego dokładność. W tym ćwiczeniu przećwiczysz połączenie komponentu EntityRuler z istniejącym komponentem NER modelu en_core_web_sm. Model jest już załadowany jako nlp.

Gdy EntityRuler zostanie dodany przed komponentem NER, rozpoznawanie encji uwzględni istniejące zakresy encji i dostosuje swoje przewidywania na podstawie wzorców dodanych do EntityRuler — co pozwala poprawić dokładność rozpoznawania nazwanych encji.

To ćwiczenie jest częścią kursu

Przetwarzanie języka naturalnego z użyciem spaCy

Zobacz kurs

Instrukcje do ćwiczenia

Dodaj EntityRuler do potoku nlp przed komponentem ner.
Zdefiniuj wzorzec encji tokenowej, który klasyfikuje małymi literami zapisane new york group jako ORG.
Dodaj patterns do komponentu EntityRuler.
Uruchom model i wyświetl krotki zawierające tekst i typ encji dla kontenera Doc.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

nlp = spacy.load("en_core_web_sm")
text = "New York Group was built in 1987."

# Add an EntityRuler to the nlp before NER component
ruler = nlp.____("entity_ruler", ____="ner")

# Define a pattern to classify lower cased new york group as ORG
patterns = [{"label": "ORG", "pattern": [{"lower": ____}]}]

# Add the patterns to the EntityRuler component
ruler.____(____)

# Run the model and print entities text and type for all the entities
doc = ____
print([(ent.____, ent.____) for ent in doc.____])

Edytuj i uruchom kod