python - Spacy:Trying to set conflicting doc.ents: A token can only be part of one entity, 所以确保你设置的实体不重叠

Question

我尝试使用 spacy 从文本中提取所需的自定义实体。

import spacy
from spacy_lookup import Entity
data = {0:["count"],1:["unique count","unique"]}

def processText(text):
    nlp = spacy.blank('en')
    for i,arr in data.items():
        fLabel = "test:"+str(i)
        fEntitty = Entity(keywords_list=list(set(arr)),label=fLabel)
        fEntitty.name = fLabel
        nlp.add_pipe(fEntitty)
    match_doc = nlp(text)
    print(match_doc.ents)
processText("unique count of city")

但是上面的代码会抛出这样的错误

ValueError: [E103] Trying to set conflicting doc.ents: '(1, 2, 'test:0')' and '(0, 2, 'test:1')'. A token can only be part of one entity, so make sure the entities you're setting don't overlap.

不仅是这种情况，人名也有同样的问题，比如 Karthik vs Karthik reddy，Jon vs Jon Allen谁能帮我解决这个问题。

提前致谢!

Answer 1

在 spaCy 中，命名实体永远不会重叠。如果“Jon Allen”是一个名字，则不应将“John”也注释为一个名字。因此，在训练之前，您必须解决这些重叠/冲突的情况。

在评论中讨论后编辑:你会想要实现一个 on_match函数过滤出非重叠集的匹配项。