用 EntityRuler 做 NER

EntityRuler 可以和現有模型的 EntityRecognizer 搭配，以提升準確度。這題你會練習把 EntityRuler 元件與 en_core_web_sm 模型中現有的 NER 元件結合。模型已載入為 nlp。

當把 EntityRuler 加在 NER 元件之前時，實體辨識器會保留既有的實體範圍，並依據加入到 EntityRuler 的樣式調整其預測，以提升命名實體辨識任務的準確度。

本練習屬於課程

使用 spaCy 的自然語言處理

檢視課程

練習說明

在 ner 元件之前，將 EntityRuler 加入 nlp。
定義一個權標實體樣式，把小寫的 new york group 分類為 ORG。
將這些 patterns 加到 EntityRuler 元件中。
執行模型，並對 Doc 容器印出每個實體的文字與型別所組成的 tuple。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

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.____])

編輯並執行程式碼