如何使用spaCy创建新实体并仅从关键字lis学习

Question

我试图用spaCy创建一个新的实体分类'物种'与物种名称列表，例如他可以找到here。

我在this spaCy tutorial（Github代码here）中找到了一个培训新实体类型的教程。但是，问题是，我不想为每个物种名称手动创建一个句子，因为这将非常耗时。

我创建了以下培训数据，如下所示：

TRAIN_DATA = [('Bombina',{'entities':[(0,6,'SPECIES')]}),
 ('Dermaptera',{'entities':[(0,9,'SPECIES')]}),
  .... 
]

我创建训练集的方式是：我不提供完整的句子和匹配实体的位置，而只提供每个物种的名称，并且开始和结束索引是通过编程生成的：

[( 0, 6, 'SPECIES' )]

[( 0, 9, 'SPECIES' )]

下面是我用来训练模型的训练代码。（从上面的超链接复制的代码）

nlp = spacy.blank('en')  # create blank Language class

 # Add entity recognizer to model if it's not in the pipeline 
 # nlp.create_pipe works for built-ins that are registered with spaCy 
 if 'ner' not in nlp.pipe_names: 
     ner = nlp.create_pipe('ner') 
     nlp.add_pipe(ner) 
 # otherwise, get it, so we can add labels to it 
 else: 
     ner = nlp.get_pipe('ner') 

 ner.add_label(LABEL)   # add new entity label to entity recognizer


  if model is None: 
      optimizer = nlp.begin_training() 
  else: 
      # Note that 'begin_training' initializes the models, so it'll zero out 
      # existing entity types. 
      optimizer = nlp.entity.create_optimizer() 

     # get names of other pipes to disable them during training 
     other_pipes = [pipe for pipe in nlp.pipe_names if pipe != 'ner'] 
     with nlp.disable_pipes(*other_pipes):  # only train NER 
         for itn in range(n_iter): 
             random.shuffle(TRAIN_DATA) 
             losses = {} 
             for text, annotations in TRAIN_DATA: 
                 nlp.update([text], [annotations], sgd=optimizer, drop=0.35,  losses=losses) 
             print(losses) 

我是新来的NLP和spaCy请让我知道我做得是否正确。为什么我的尝试在训练中失败了（当我运行它时，它会抛出一个错误）。

---

[更新]

我只想向训练模型提供关键字的原因是，理想情况下，我希望模型首先学习那些关键字，一旦它识别出包含关键字的上下文，它将学习相关的上下文，从而增强当前模型。

乍一看，它更像regex表达式。但随着越来越多的数据输入，该模型将不断学习，最终能够识别出原来训练集中不存在的新物种名称。

---

谢谢， 凯蒂