python创建和控制的实体称为什么_如何使用spaCy创建新实体并仅从关键字lis学习...

我试图用spaCy创建一个新的实体分类'物种'与物种名称列表，例如他可以找到here。

我在this spaCy tutorial(Github代码here)中找到了一个培训新实体类型的教程。但是，问题是，我不想为每个物种名称手动创建一个句子，因为这将非常耗时。

我创建了以下培训数据，如下所示：TRAIN_DATA = [('Bombina',{'entities':[(0,6,'SPECIES')]}),

('Dermaptera',{'entities':[(0,9,'SPECIES')]}),

....

]

我创建训练集的方式是：我不提供完整的句子和匹配实体的位置，而只提供每个物种的名称，并且开始和结束索引是通过编程生成的：[( 0, 6, 'SPECIES' )]

[( 0, 9, 'SPECIES' )]

下面是我用来训练模型的训练代码。(从上面的超链接复制的代码)nlp = spacy.blank('en') # create blank Language class

# Add entity recognizer to model if it's not in the pipeline

# nlp.create_pipe works for built-ins that are registered with spaCy

if 'ner' not in nlp.pipe_names:

ner = nlp.create_pipe('ner')

nlp.add_pipe(ner)

# otherwise, get it, so we can add labels to it

else:

ner = nlp.get_pipe('ner')

ner.add_label(LABEL) # add new entity label to entity recognizer

if model is None:

optimizer = nlp.begin_training()

else:

# Note that 'begin_training' initializes the models, so it'll zero out

# existing entity types.

optimizer = nlp.entity.create_optimizer()

# get names of other pipes to disable them during training

other_pipes = [pipe for pipe in nlp.pipe_names if pipe != 'ner']

with nlp.disable_pipes(*other_pipes): # only train NER

for itn in range(n_iter):

random.shuffle(TRAIN_DATA)

losses = {}

for text, annotations in TRAIN_DATA:

nlp.update([text], [annotations], sgd=optimizer, drop=0.35, losses=losses)

print(losses)

我是新来的NLP和spaCy请让我知道我做得是否正确。为什么我的尝试在训练中失败了(当我运行它时，它会抛出一个错误)。

[更新]

我只想向训练模型提供关键字的原因是，理想情况下，我希望模型首先学习那些关键字，一旦它识别出包含关键字的上下文，它将学习相关的上下文，从而增强当前模型。

乍一看，它更像regex表达式。但随着越来越多的数据输入，该模型将不断学习，最终能够识别出原来训练集中不存在的新物种名称。

谢谢，

凯蒂