spaCy EntityRuler

Przetwarzanie języka naturalnego z użyciem spaCy

Azadeh Mobasher

Principal Data Scientist

spaCy EntityRuler

EntityRuler dodaje nazwane encje do kontenera Doc
Może działać samodzielnie lub wraz z EntityRecognizer
Wzorce frazowe dla dokładnych dopasowań (string):

{"label": "ORG", "pattern": "Microsoft"}

Wzorce tokenowe — jeden słownik opisuje jeden token (lista):

{"label": "GPE", "pattern": [{"LOWER": "san"}, {"LOWER": "francisco"}]}

Dodawanie EntityRuler do potoku spaCy

Użycie metody .add_pipe()
Listę wzorców dodaje się metodą .add_patterns()

nlp = spacy.blank("en")
entity_ruler = nlp.add_pipe("entity_ruler")
patterns = [{"label": "ORG", "pattern": "Microsoft"},
            {"label": "GPE", "pattern": [{"LOWER": "san"}, {"LOWER": "francisco"}]}]
entity_ruler.add_patterns(patterns)

Dodawanie EntityRuler do potoku spaCy

.ents przechowuje wyniki komponentu EntityLinker

doc = nlp("Microsoft is hiring software developer in San Francisco.")
print([(ent.text, ent.label_) for ent in doc.ents])

[('Microsoft', 'ORG'), ('San Francisco', 'GPE')]

EntityRuler w działaniu

Integruje się z komponentami potoku spaCy
Usprawnia rozpoznawanie nazwanych encji
Model spaCy bez EntityRuler:

nlp = spacy.load("en_core_web_sm")

doc = nlp("Manhattan associates is a company in the U.S.")
print([(ent.text, ent.label_) for ent in doc.ents])

>>> [('Manhattan', 'GPE'), ('U.S.', 'GPE')]

EntityRuler w działaniu

EntityRuler dodany po istniejącym komponencie ner:

nlp = spacy.load("en_core_web_sm")
ruler = nlp.add_pipe("entity_ruler", after='ner')
patterns = [{"label": "ORG", "pattern": [{"lower": "manhattan"}, {"lower": "associates"}]}]
ruler.add_patterns(patterns)

doc = nlp("Manhattan associates is a company in the U.S.")
print([(ent.text, ent.label_) for ent in doc.ents])

>>> [('Manhattan', 'GPE'), ('U.S.', 'GPE')]

EntityRuler w działaniu

EntityRuler dodany przed istniejącym komponentem ner:

nlp = spacy.load("en_core_web_sm")
ruler = nlp.add_pipe("entity_ruler", before='ner')
patterns = [{"label": "ORG", "pattern": [{"lower": "manhattan"}, {"lower": "associates"}]}]
ruler.add_patterns(patterns)

doc = nlp("Manhattan associates is a company in the U.S.")
print([(ent.text, ent.label_) for ent in doc.ents])

>>> [('Manhattan associates', 'ORG'), ('U.S.', 'GPE')]

Czas na ćwiczenia!

Przetwarzanie języka naturalnego z użyciem spaCy