python - Spacy 无法正确识别日期

Question

nlp = spacy.load('en_core_web_md')
text =" Activity Date: 12/18/2019 06:00:00AM CST "
doc  = nlp(text)
for entity in doc.ents:
    print(entity.label_+" "+ entity.text)

这里 spacy 无法提取日期时间。我还尝试了“en”和“en_core_web_lg”。

我也遇到过一种情况，当我们将日期的格式更改为(DD/MM/YYYY)时，它会识别日期。

text = " 18/12/2019"
doc  = nlp(text)
for entity in doc.ents:
    print(entity.label_+" "+ entity.text)

有人遇到过同样的问题吗

Answer 1

Spacy 采用概率模型来尝试识别自然语言中的命名实体。这意味着它给出了命名实体属于某种类型(例如日期、个人或组织)的概率。

您可以通过两种方式影响正确识别日期的概率:确保日期周围的文本中包含更多上下文线索，即:该事件发生于 2019 年 12 月 18 日上午 06:00:00 CST

或者，您可以在数据集上训练 Spacy 概率模型，将其提供给需要识别日期的地方。更多信息请点击这里: https://spacy.io/usage/training

但是，也许您的用例更适合正则表达式方法，甚至日期时间导入来进行日期识别？之前已经完成过此操作，请检查例如: match dates using python regular expressions