我目前正在与SpaCy NER一起玩，想知道SpaCy NER是否可以完成以下两件事：
案例1
假设我们要使用NER做2个句子：
我们可以在第一句中将“增加”标记为“症状”实体，而在第二句中将“增加”标记为“好结果”实体吗？ NER会看到这2个“增加”字词之间的区别吗？
案例2
我们也有2个不同的句子：
NER可以将第一句话中的数字视为“收入”实体，将第二句话中的数字视为“支出”吗？
谢谢
这些任务超出了您期望NER模型能够以多种方式完成的任务。 Spacy的NER算法可用于查找实体类型，例如MONEY（在其英语模型中为实体类型）或类似SYMPTOM的事物，但它并不会考虑很大的上下文来检测/分类实体，因此无法区分相关上下文相距较远的这些情况。
您可能希望将NER（或其他类型的相关范围检测，也可以基于规则）与另一种类型的分析结合起来，而这种分析更多地关注于上下文。这可能是某种文本分类，您可以检查依赖项解析等。
这是spacy文档中的一个简单示例，其中涉及使用NER提取实体关系（以查找MONEY），然后检查依赖项解析以试图弄清楚money元素可能是指什么：