Question

我正在尝试训练新的Spence NER实体。我尝试将新实体添加到现有的spacy“ en”模型中。但是，这影响了“ en”和我的新实体的预测模型。

因此，我创建了一个空白模型并训练了实体识别。这很好。但是，它只能预测我接受过训练的对象，而不能预测常规的伪造实体识别。

说我将“马”训练为动物实体。

对于给定的文本

txt ='Did you know that George bought those horses for 10000 dollars?'

希望以下实体能够被识别

George - PERSON
horses - ANIMAL
10000 dollars - MONEY.

在我当前的设置下，它只能识别马匹。

nlp = spacy.load('en')
hsnlp = spacy.load('models/spacy/animal/')
nlp.add_pipe(hsnlp.pipeline[-1][-1], 'hsner')

nlp.pipe_names

这给

----------------------
['tagger', 'parser', 'ner', 'hsner']
----------------------

但是当我尝试执行时

doc = nlp(txt)  *<-- Gives me kernel error and stops working*

请让我知道如何有效地为NER创建管道。我正在使用 spacy 2.0.18

Answer 1

主要问题是如何加载和组合管道组件，使它们使用相同的Vocab（nlp.vocab），因为管道假定所有组件都共享相同的vocab，否则您将获得与StringStore有关的错误。

您不应该尝试结合使用不同的单词向量训练的管道组件，但是只要向量相同，这就是如何从具有相同vocab的不同模型中加载组件的问题。

无法使用spacy.load()来做到这一点，所以我认为最简单的选择是使用所需的vocab初始化一个新的管道组件，并通过临时序列化将现有的组件重新加载到新的组件中。

要使用易于访问的模型进行简短的演示，我将向您展示如何将de_core_news_sm的German NER模型添加到英语模型en_core_web_sm中，即使这不是您通常想要的东西要做：

import spacy # tested with v2.2.3
from spacy.pipeline import EntityRecognizer

text = "Jane lives in Boston. Jan lives in Bremen."

# load the English and German models
nlp_en = spacy.load('en_core_web_sm')  # NER tags PERSON, GPE, ...
nlp_de = spacy.load('de_core_news_sm') # NER tags PER, LOC, ...

# the Vocab objects are not the same
assert nlp_en.vocab != nlp_de.vocab

# but the vectors are identical (because neither model has vectors)
assert nlp_en.vocab.vectors.to_bytes() == nlp_de.vocab.vectors.to_bytes()

# original English output
doc1 = nlp_en(text)
print([(ent.text, ent.label_) for ent in doc1.ents])
# [('Jane', 'PERSON'), ('Boston', 'GPE'), ('Bremen', 'GPE')]

# original German output (the German model makes weird predictions for English text)
doc2 = nlp_de(text)
print([(ent.text, ent.label_) for ent in doc2.ents])
# [('Jane lives', 'PER'), ('Boston', 'LOC'), ('Jan lives', 'PER'), ('Bremen', 'LOC')]

# initialize a new NER component with the vocab from the English pipeline
ner_de = EntityRecognizer(nlp_en.vocab)

# reload the NER component from the German model by serializing
# without the vocab and deserializing using the new NER component
ner_de.from_bytes(nlp_de.get_pipe("ner").to_bytes(exclude=["vocab"]))

# add the German NER component to the end of the English pipeline
nlp_en.add_pipe(ner_de, name="ner_de")

# check that they have the same vocab
assert nlp_en.vocab == ner_de.vocab

# combined output (English NER runs first, German second)
doc3 = nlp_en(text)
print([(ent.text, ent.label_) for ent in doc3.ents])
# [('Jane', 'PERSON'), ('Boston', 'GPE'), ('Jan lives', 'PER'), ('Bremen', 'GPE')]

Spacy的NER组件（EntityRuler和EntityRecognizer）旨在保留任何现有实体，因此新组件仅添加带有德国NER标签Jan lives的{{1}}并保留所有其他实体都由英语NER预测。

您可以使用PER的选项来确定组件在管道中的插入位置。要在默认英语NER之前添加德语NER：

add_pipe()

所有nlp_en.add_pipe(ner_de, name="ner_de", before="ner") # [('Jane lives', 'PER'), ('Boston', 'LOC'), ('Jan lives', 'PER'), ('Bremen', 'LOC')]选项都在文档中：https://spacy.io/api/language#add_pipe

您可以将扩展管道作为单个模型保存到磁盘，以便下次使用add_pipe()将其装入一行：

spacy.load()

如何在Spacy中创建具有多个模型的NER管道

1 个答案: