我正在使用斯坦福自然语言处理训练自定义命名实体识别(NER)模型，但问题是我想重新训练模型 .
示例:
假设我训练了xyz模型，那么我将在一些文本上测试它，如果模型检测到错误，那么我(最终用户)将纠正它并想要重新训练(附加模式)模型更正后的文本。
斯坦福大学不提供再培训设施，这就是为什么我转向 python 的 spacy 库，我可以在其中重新培训模型，意味着我可以附加新实体但是在使用 spacy 重新训练模型后，它会覆盖现有知识(意味着其中现有的训练数据)并仅显示与最近训练相关的结果。
考虑，我使用 1000 条记录在 TECHNOLOGY 标签上训练了一个模型。之后可以说我又向现有实体添加了一个实体 BOOK_NAME经过训练的模型。在此之后，如果我测试模型，则 spacy 模型仅从文本中检测 BOOK_NAME。
请提出解决我的问题陈述的建议。
提前致谢...!
最佳答案
我认为在这里解决这个问题有点晚了。您面临的问题也称为'Catastrophic Forgetting problem' 。您可以通过发送现有示例的示例来克服它。就像 Spacy 可以很好地预测 BBC 语料库等格式良好的文本一样。您可以选择这样的语料库，使用预训练的 spacy 模型进行预测并创建训练示例。将这些示例与您的新示例混合，然后进行训练。您现在应该会得到更好的结果。这是mentioned已经在spacy问题中了。
关于machine-learning - 如何创建增量NER训练模型(追加到现有模型中)？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46114476/