SpaCy不承认预期的金钱和国家

Question

我正在使用SpaCy从示例文本中提取不同的命名实体。问题是SpaCy无法识别所有预期的实体。它有钱和一些地方的问题。这是我的代码：

# encoding: utf-8
import spacy
from spacy import displacy

nlp = spacy.load('es') #cargo el modelo en español.
text = u"Una vez un personaje le preguntó a Agustín Chirichigno si estaba en su casa. El nombre de este personaje es Lucas Picchi y es de Mar del Plata. Junto a SU PRIMO, DE ESTADOS UNIDOS hacen cosas re locas como por ejemplo comprar un Fernet Branca a AR$2.500 cuando en realidad está a $180."
doc = nlp(text)
displacy.serve(doc, style='ent')

请注意，我正在加载西班牙语模型。我的配置如下：spacy info

Info about spaCy

Python version     2.7.6          
Platform           Linux-4.4.0-112-generic-x86_64-with-Ubuntu-14.04-trusty
spaCy version      2.0.9          
Location           /usr/local/lib/python2.7/dist-packages/spacy
Models             es, en

所以，输出是：

预期的是，SpaCy正确识别MONEY（AR $ 2500是2500阿根廷比索，180美元也是钱）。 “Junto”这个词不是LOCATION，也不是“SU PRIMO”。 “Junto a su primo”就像“与他的堂兄”一样用英语。此外，Fernet Branca是一个BRAND，而不是一个人。

所以，我的问题是：我做错了什么？我应该使用其他库吗？

提前致谢。

Answer 1

根据西班牙语模型的spacy文档，它支持PER，LOC，ORG和MISC实体的识别。它在AnCora和WikiNER语料库上进行培训。

在发行说明中提到：

“因为该模型是在维基百科上训练的，所以它可能在许多类型上表现不一致，例如社交媒体文本。”

由于您的数据结果不理想，您需要为您的数据进行训练。这可以按照here的建议完成

为了钱，你实际上可以为美元钱写一个简单的正则表达式

^\$?[0-9][0-9\,]*(\.\d{1,2})?$|^\$?[\.]([\d][\d]?)$