python - 如何使用 spaCy 创建新实体并仅从关键字列表中学习

coder 2023-08-19 原文

我正在尝试使用 spaCy使用物种名称列表创建新的实体分类“物种”，他可以找到示例 here .

我从 this spaCy tutorial 找到了训练新实体类型的教程(Github 代码 here )。但是，问题是，我不想为每个物种名称手动创建一个句子，因为这会非常耗时。

我创建了以下训练数据，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:不提供完整的句子和匹配实体的位置，我只提供每个物种的名称，开始和结束索引以编程方式生成:

[( 0, 6, 'SPECIES' )]

[( 0, 9, 'SPECIES' )]

下面的训练代码是我用来训练模型的。 (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 NLP 和 spaCy 的新手，如果我做对了，请告诉我。以及为什么我的尝试未能通过训练(当我运行它时，它会抛出错误)。

[更新]

我只想将关键词提供给训练模型的原因是，理想情况下，我希望模型首先学习这些关键词，一旦它识别出包含关键词的上下文，它就会学习相关的上下文，因此，增强当前模型。

乍一看更像是正则表达式。但随着越来越多的数据输入，模型将不断学习，最终能够识别出以前在原始训练集中不存在的新物种名称。

谢谢，凯蒂

最佳答案

训练命名实体识别器以检测文本中的 SPECIES 的优势在于，该模型不仅能够识别您的示例，而且概括和在上下文中识别其他物种。如果您只想查找一组固定的术语而不是更多，则更简单、基于规则的方法可能更适合您。您可以找到此 here 的示例和详细信息.

如果您确实希望模型在上下文中概括和识别您的实体类型，您还必须显示上下文中的实体示例。这是您的训练示例目前存在的问题:您只显示模型单个单词，而不是包含这些单词的句子。为了获得良好的结果，您用来训练模型的数据需要尽可能接近您稍后要分析的数据。

虽然还有其他方法可以训练没有或更少标记示例的模型，但收集训练数据以训练 spaCy 模型的最直接策略是……标记训练数据。但是，您可以使用一些技巧来减轻这种痛苦:

从物种列表开始并使用 Matcher or PhraseMatcher在您的文档中找到它们。对于每个匹配项，您将获得一个 Span 对象，因此您可以提取文本中跨度的开始和结束位置。这很容易让您自动创建一堆示例。您可以在此找到更多详细信息 here .
使用 word vectors找到更多与您要查找的实体相似的术语，这样您就可以使用上述方法在文本中搜索更多示例。我不确定 spaCy 的 vector models 是怎样的将对您的物种有用，因为这些条款非常具体。因此，如果您有大量包含物种的原始文本语料库，您可能必须训练自己的向量。
使用标签或数据注释工具。有开源解决方案，如 Brat ，或者，一旦您对注释和训练变得更加认真，您可能还想查看我们的注释工具 Prodigy ，这是一个与 spaCy 无缝集成的现代商业解决方案(免责声明:我是 spaCy 的维护者之一)。

关于python - 如何使用 spaCy 创建新实体并仅从关键字列表中学习，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/50580262/

关键中学训练 noreferrer 物种 python python-3.x machine-learning nlp spacy

有关python - 如何使用 spaCy 创建新实体并仅从关键字列表中学习的更多相关文章

ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2
我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div
ruby - 如何从 ruby 中的字符串运行任意对象方法？ - 2
总的来说，我对ruby还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用
ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2
我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？最佳答案这是我通过查看rubyzip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d
ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2
类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc
ruby-on-rails - 使用 Ruby on Rails 进行自动化测试 - 最佳实践 - 2
很好奇，就使用rubyonrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？最佳答案不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提
ruby - 在 Ruby 中使用匿名模块 - 2
假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？最佳答案三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于
ruby - 如何在 Ruby 中顺序创建 PI - 2
出于纯粹的兴趣，我很好奇如何按顺序创建PI，而不是在过程结果之后生成数字，而是让数字在过程本身生成时显示。如果是这种情况，那么数字可以自行产生，我可以对以前看到的数字实现垃圾收集，从而创建一个无限系列。结果只是在Pi系列之后每秒生成一个数字。这是我通过互联网筛选的结果:这是流行的计算机友好算法，类机器算法:defarccot(x,unity)xpow=unity/xn=1sign=1sum=0loopdoterm=xpow/nbreakifterm==0sum+=sign*(xpow/n)xpow/=x*xn+=2sign=-signendsumenddefcalc_pi(digits
ruby - 使用 ruby 和 savon 的 SOAP 服务 - 2
我正在尝试使用ruby和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我
python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
ruby-on-rails - 如何验证 update_all 是否实际在 Rails 中更新 - 2
给定这段代码defcreate@upgrades=User.update_all(["role=?","upgraded"],:id=>params[:upgrade])redirect_toadmin_upgrades_path,:notice=>"Successfullyupgradeduser."end我如何在该操作中实际验证它们是否已保存或未重定向到适当的页面和消息？最佳答案在Rails3中，update_all不返回任何有意义的信息，除了已更新的记录数(这可能取决于您的DBMS是否返回该信息)。http://ar.ru

python - 如何使用 spaCy 创建新实体并仅从关键字列表中学习

有关python - 如何使用 spaCy 创建新实体并仅从关键字列表中学习的更多相关文章

随机推荐