Spacy NER 不识别小写实体

Question

我在检测以小写字母开头的命名实体时遇到问题。我已经尝试了链接https://github.com/explosion/spaCy/issues/701 上提供的解决方案。它似乎不适合我。

===== 关于 spaCy 的信息==============

spaCy version    2.1.4
Platform         Darwin-16.7.0-x86_64-i386-64bit
Python version   3.6.5
Models           en

import spacy
from spacy import displacy
nlp = spacy.load('en_core_web_sm')
sk = nlp.vocab[u'south korea']
SK = nlp.vocab[u'South Korea']
sk.is_lower = SK.is_lower
sk.shape = SK.shape
sk.shape_ = SK.shape_
sk.is_upper =SK.is_upper
sk.cluster = SK.cluster
sk.is_title = SK.is_title
doc = nlp(u'south korea is a country in asia')
for word in doc:
    print(word.text, word.tag_, word.ent_type_) 

预期的输出是：

south NNP GPE
korea NNP GPE
is VBZ 
a DT 
country NN 
in IN 
asia NNP 

但是上面代码的输出是：

south JJ 
korea NN 
is VBZ 
a DT 
country NN 
in IN 
asia NNP 

Answer 1

NE 识别器是机器学习的，因此依赖于它在训练数据中看到的最强特征。

您可以使用 truecaser/recaser，这是一种静态模型，可修复小写文本中的大小写并将输出传递给 spacy。您可以使用：

• sacremoses，机器翻译的预处理工具
• nreimers/truecaser，使用 NLTK 的 truecaser 实现

或者，您可以尝试 train your recognizer 并修改您的训练数据，使其也包含小写实体，但这是一个相当乏味的过程。