我是 nlp 和 spaCy 的新手我正在从事一个从名片中提取人名和公司名称的项目。
为了提取文本,我使用了一个不错的 OCR 函数,它给我这样的东西:
Sunny J. Mistry
Product Design Engineer
Apple
5 Infinite Loop, MS 305-1PH
Cupertino, CA 95014
T 408 974-5339
M 925 548-4585
sjmistry@apple.com
www.apple.com
起初,我尝试使用默认的英语 NER 逐行处理作业,但很快就意识到这还不够。
最终我决定创建自己的自定义 NER,它将使用有关文本位置的信息进行训练。
我没有在官方文档中找到任何关于如何为训练数据添加自定义功能(如行号)的信息,但我找到了这个 answer和 example Matthew Honnibal 的建议使用多任务目标来训练具有服装特征的模型。
我还不确定:
训练数据应该是什么样的?
如何使用 spaCy 的 API 向训练过程添加自定义功能?
多任务目标是训练这种模型的正确工具吗?
最佳答案
回答我自己的问题:
我没有找到实现此类任务的官方方法,但最终我决定在包含 200 张图像的普通名片数据集上训练模型。我使用 Google OCR 从每张图片中提取文本,并使用 this 中描述的工具对其进行注释。发布。
它就像一个魅力。
关于python - 如何训练以行号为特征的 spaCy 模型?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56304109/