如何强制spacy将“Smith先生”和“Smith夫人”识别为单独的实体

Spacy 是一个流行的自然语言处理库，它提供了实体识别的功能。要强制 Spacy 将 "Smith先生" 和 "Smith夫人" 识别为单独的实体，可以通过自定义实体规则和模型训练来实现。

首先，可以使用 Spacy 的 Matcher 类来定义自定义的实体规则。可以创建一个匹配器，将 "Smith先生" 和 "Smith夫人" 分别作为不同的实体进行匹配。例如：

import spacy
from spacy.matcher import Matcher

nlp = spacy.load("en_core_web_sm")
matcher = Matcher(nlp.vocab)

# 定义规则
pattern1 = [{"LOWER": "smith"}, {"LOWER": "先生"}]
pattern2 = [{"LOWER": "smith"}, {"LOWER": "夫人"}]

# 添加规则到匹配器
matcher.add("Mister", [pattern1])
matcher.add("Madam", [pattern2])

# 应用匹配器到文本
doc = nlp("Smith先生和Smith夫人在会议室里。")
matches = matcher(doc)

# 提取匹配到的实体
for match_id, start, end in matches:
    span = doc[start:end]
    print(span.text, span.label_)

输出：