如何为spacy的自定义命名实体识别准备数据？

Question

我正在尝试使用spacy为自定义命名实体识别准备一个训练数据集。我的数据有一个变量“Text”，其中包含一些句子，一个变量“Names”，其中包含前一个变量（句子）中的人名。在阅读了一些示例和spacy的文档之后，我意识到在准备数据集时必须传递实体的索引。我想知道在准备数据集时，是否有任何方法可以直接将实体作为字符串传递？

参考资料：“https://medium.com/@manivannan_data/how-to-train-ner-with-custom-training-data-using-spacy-188e0e508c6“

Answer 1

不，斯帕西需要确切的开始

• Apple通常是ORG，但可以是PERSON。
• Ann是一个PERSON，但不是注释工具最适合这个目的。

在python中，可以使用re模块获取索引：

>>> import re
>>> [m.span() for m in re.finditer('Amazon', 'The Amazon is a river in South America.  Amazon Inc is a company.')]
[(4, 10), (41, 47)]

在创建spaCy训练集之前，您必须检查并验证索引。