我已经为spacy的ner模型提供了一套GoldParse对象来训练。
我现在要做的是评估新句子的结果，并将每个公认的实体标记为“好”或“坏”，然后将这些信息纳入一批新培训中。
这可能吗？ ner模型如何从阴性样本中学习？
是的，可以从负面的例子中学习 - 它是在spaCy中实现的，因为它是我们的商业注释工具Prodigy的一个关键特性：https://prodi.gy
要将跨度标记为“非PERSON”，您可以制作其标签！PERSON。这应该就是你需要做的。目前还没有简单的方法来编码像“不是PERSON而不是ORG”这样的约束 - 你必须在spacy/syntax/ner.pyx中自定义成本函数
该模型可以从“非PERSON”等注释中学习，因为spaCy的NER和解析器都使用基于过渡的模仿学习算法。在每个单词我们都试图预测要采取的行动，以改变当前的状态。监督来自一个oracle，它告诉我们哪些动作会引入新的错误。如果我们知道某些文本不是一个人，那么oracle可以使用它来标记某些操作代价高昂。我们将采取多种零成本行动，但这是正常的 - 无论如何，它在正常训练中都会发生很多。
您可以在此视频中详细了解实体识别器的工作原理：https://www.youtube.com/watch?v=sqDHBH9IjRU