创建自定义NER模型数据集时遇NameError: 'nlp'未定义如何解决？

这个错误的原因很直接：你已经导入了spaCy的相关库，但没有创建spaCy的语言处理实例（即nlp对象），代码执行到doc = nlp(text)时找不到这个变量，所以抛出NameError。

两种解决方式： #

• 方式1：创建空白语言管道（推荐用于自定义NER训练）
  如果是从零开始构建自定义NER模型，不需要预训练模型的其他组件，直接初始化空白管道即可，根据你的文本语言选择对应代码：

  # 中文文本用"zh"，英文用"en"，其他语言参考spaCy文档
  nlp = spacy.blank("zh")
  

• 方式2：加载预训练模型
  如果你需要利用预训练模型的分词、词性标注等基础功能来辅助标注，可以加载spaCy的预训练模型：

  # 中文预训练小模型，英文替换为"en_core_web_sm"
  nlp = spacy.load("zh_core_web_sm")
  

完整示例代码 #

import spacy
from spacy.tokens import Doc
from spacy.training import Example

# 先初始化nlp对象
nlp = spacy.blank("zh")

# 后续你的数据集构建代码
texts = ["示例文本1", "示例文本2"]
LABELS = ["PERSON", "ORG"]  # 替换成你的自定义标签
train_data = []
for text in texts:
    doc = nlp(text)
    entities = []
    for label in LABELS:
        # 在这里补充你的实体标注逻辑，比如定位实体的起始/结束索引
        # 示例：entities.append((start_idx, end_idx, label))
        pass
    train_data.append((text, {"entities": entities}))

内容的提问来源于stack exchange，提问作者Cosmo