我已经为spacy的ner模型提供了一组GoldParse对象进行训练。
我现在想做的是评估新句子的结果，并将每个识别的实体标记为"好"或"坏"，然后将这些信息合并到新一批训练中。
这可能吗？ ner模型如何从负样本中学习？
是的，可以从负面例子中学习 - 它是在spaCy中实现的，因为它是我们的商业注释工具Prodigy的关键功能，https://prodi.gy
要将跨度标记为"非人"，您可以制作其标签！人。这应该是你需要做的。目前没有简单的方法来编码约束，如"不是人，也不是组织"——你必须在spacy/syntax/ner.pyx内自定义成本函数
该模型可以从"not PERSON"等注释中学习，因为spaCy的NER和解析器都使用基于转换的模仿学习算法。在每个词中，我们都试图预测要采取哪种行动，以改变当前状态。监督来自预言机，它告诉我们哪些操作会引入新的错误。如果我们知道某些文本跨度不是一个人，预言机可以使用它来将某些操作标记为成本高昂。我们会有多个零成本操作，但这很正常---无论如何，它在正常训练中经常发生。
您可以在此视频中了解有关实体识别器工作原理的详细信息：https://www.youtube.com/watch?v=sqDHBH9IjRU