Adición de reglas personalizadas de entidades

El NER preentrenado nunca ha visto los nombres de sus productos ni la jerga interna. Las reglas personalizadas permiten detectar los términos que el modelo siempre omite. 🎯

EntityRuler de spaCy añade entidades a partir de patrones que usted define, sin necesidad de volver a entrenar el modelo. Se integra directamente en el pipeline.

Inserte el ruler con add_pipe. Al colocarlo antes de ner, sus reglas tienen prioridad sobre las predicciones del modelo.

Cada regla es un diccionario con una label y un patrón. La etiqueta es el tipo de entidad que desea asignar a una coincidencia.

Pase una lista de diccionarios de patrones a ruler.add_patterns. A partir de ahora, esas frases exactas recibirán una etiqueta cada vez que aparezcan.

Además de cadenas simples, los patrones pueden ser listas de tokens que coincidan según atributos como el texto en minúsculas, lo que permite crear reglas flexibles.

Un patrón de tokens con varias entradas detecta frases, de modo que San Pedro Lab se etiqueta como una sola entidad, no como tres palabras.

Como el ruler se encuentra antes de ner, sus etiquetas personalizadas ganan en caso de conflicto, mientras el modelo sigue gestionando todo lo demás.

Ejecute una oración mediante el pipeline actualizado y recorra doc.ents para confirmar que sus nuevos términos ahora muestran la etiqueta correcta.

Exporte las reglas al disco con to_disk para que todo el equipo reutilice las mismas entidades personalizadas en lugar de volver a definirlas.

Las reglas personalizadas son un primer paso rápido. Más adelante puede train el modelo con ejemplos etiquetados para abordar casos ambiguos y difíciles. 🚀

EntityRuler añade entidades a partir de patrones de cadenas o tokens, se ejecuta antes de ner y guarda las reglas en el disco para reutilizarlas. ✅