在简历 (NER) 中标记自定义实体

Question

如何为自定义命名实体执行 NER。例如如果我想确定特定单词是否是简历中的技能。如果（Java，c++）出现在我的文本中，我应该能够将它们标记为技能。我不想将 spacy 与自定义语料库一起使用。我想创建数据集，例如 单词将是我的特征，标签（技能）将是我的因变量。

处理这些问题的最佳方法是什么。

Answer 1

自定义词典和公报的替代方法是创建一个数据集，您可以在其中为每个单词分配相应的标签。您可以定义一组标签（例如 {OTHER, SKILL}）并使用以下示例创建数据集：

I        OTHER
can      OTHER
program  OTHER
in       OTHER
Python   SKILL
.        OTHER 

使用足够大的数据集，您可以训练模型来预测相应的标签。

您可以尝试从在您的 CV 语料库上训练的词嵌入中获取“编码语言”同义词列表（或您正在寻找的特定技能），并使用此信息自动标记其他语料库。我想说，关键是要找到一种至少部分自动化标签的方法，否则你将没有足够的例子来训练你的自定义 NER 任务的模型。使用像 https://prodi.gy/ 这样的工具来减少标记工作。

作为功能，您还可以使用词嵌入（或其他典型的 NLP 功能，如 n-gram、POS 标签等，具体取决于您使用的模型）

另一种选择是应用来自其他 NER/NLP 模型的迁移学习，并在您的 CV 标记数据集上对其进行微调。

我会更加努力地创建正确的数据集，然后逐步测试更复杂的模型，选择最适合您需求的模型。