SpaCy NER 区分数字或实体

【问题标题】：SpaCy NER differentiating numbers or entitiesSpaCy NER 区分数字或实体
【发布时间】：2020-02-06 07:40:39
【问题描述】：

我目前正在使用 SpaCy NER，想知道 SpaCy NER 是否可以做以下两件事：

案例 1

假设我们有 2 个句子要进行 NER：

我们能否将第一句中的“increasing”标记为“症状”实体，将第二句中的“increasing”标记为“good result”实体？ NER 会看到这 2 个“增加”的词的区别吗？

案例 2

我们还有两个不同的句子：

NER 能否将第一句中的数字视为“收入”实体，将第二句中的数字视为“支出”？

谢谢

【问题讨论】：

【解决方案1】：

这些任务超出了您期望 NER 模型能够以多种方式完成的任务。 Spacy 的 NER 算法可用于查找实体类型，例如 MONEY（这是其英语模型中的实体类型）或类似 SYMPTOM 的实体类型，但它并没有考虑到非常大的上下文来检测/分类实体，因此它无法区分相关上下文相当远的这些情况。

您可能希望将 NER（或其他类型的相关跨度检测，也可以是基于规则的）与另一种更侧重于上下文的分析相结合。这可能是某种文本分类，您可以检查依赖解析等。

这是 spacy 文档中关于使用 NER 提取实体关系的一个简单示例（查找 MONEY），然后检查依赖项解析以尝试找出 money 元素可能指的是什么：

【讨论】：