本文介绍了空格引用解析-命名实体识别(NER)以返回唯一实体ID？的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
也许我跳过了文档的一部分，但我试图确定的是标准NER工具集中每个实体的唯一ID。例如：
import spacy
from spacy import displacy
import en_core_web_sm
nlp = en_core_web_sm.load()
text = "This is a text about Apple Inc based in San Fransisco. "
"And here is some text about Samsung Corp. "
"Now, here is some more text about Apple and its products for customers in Norway"
doc = nlp(text)
for ent in doc.ents:
print('ID:{} {} "{}" '.format(ent.label,ent.label_,ent.text,))
displacy.render(doc, jupyter=True, style='ent')
退货：
ID:381 ORG "Apple Inc" ID:382 GPE "San Fransisco" ID:381 ORG "Samsung Corp." ID:381 ORG "Apple" ID:382 GPE "Norway"
我一直在查看ent.ent_id和ent.ent_id_，但根据docs它们是非活动的。我在ent.root中也找不到任何东西。
例如，在GCP NLP中，每个实体都返回一个⟨Entity⟩编号，使您能够在文本中标识同一实体的多个实例。
这是一个⟨Text⟩2，关于⟨Apple Inc.⟩1，总部设在旧金山⟨⟩4。 以下是一些⟨Text⟩3关于⟨三星公司⟩6的信息。现在，这里有更多 ⟨Text⟩8关于⟨苹果⟩1及其⟨产品⟩5面向⟨客户的⟩7 ⟨挪威⟩9"
Spacy是否支持类似的功能？或者有办法使用NLTK或斯坦福大学吗？
推荐答案
您可以使用神经参照库来获得与Spacy模型一起工作的共指关系解析，如下所示：
# Load your usual SpaCy model (one of SpaCy English models)
import spacy
nlp = spacy.load('en')
# Add neural coref to SpaCy's pipe
import neuralcoref
neuralcoref.add_to_pipe(nlp)
# You're done. You can now use NeuralCoref as you usually manipulate a SpaCy document annotations.
doc = nlp(u'My sister has a dog. She loves him.')
doc._.has_coref
doc._.coref_clusters
在此处查找安装和使用说明：https://github.com/huggingface/neuralcoref
这篇关于空格引用解析-命名实体识别(NER)以返回唯一实体ID？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！