同一意图下人名与邮箱实体识别异常的技术咨询

新增训练语料的效果 #

• 新增20-30组不同的纯人名+邮箱训练语料确实能有效提升识别效果。这类纯实体组合的样本属于模型的边缘场景，现有训练数据覆盖不足时，模型容易对空格分隔的连续实体产生误判。补充针对性样本后，模型能学习到“空格分隔的前半部分是完整人名、后半部分是独立邮箱”的模式，减少拆分错误。
• 虽然系统实体（预定义的人名、邮箱实体）设计初衷是无需大量标注就能识别通用格式，但在无上下文修饰的纯实体组合场景下，模型缺乏足够语境线索，预定义规则容易失效。补充标注样本是当前最直接的优化方式，并不违背系统实体的设计逻辑——系统实体是基础，针对性样本是对边缘场景的补全。

类似问题的普遍情况 #

这类问题在短信、即时通讯等简洁对话场景中非常常见，大量用户都遇到过：当输入仅包含多个连续实体且无额外语境时，模型容易混淆实体边界。比如英文多词姓名和邮箱紧邻时，模型会误将姓名的后半部分拼接进邮箱，或者把邮箱前缀的部分内容识别为人名。

额外优化建议 #

• 若平台支持，可配置实体边界约束规则：比如设定邮箱实体必须包含@符号，且人名实体的结尾不能是邮箱前缀的起始部分；或者在纯实体输入场景下，优先匹配包含@的邮箱实体，再将剩余部分识别为人名。
• 尝试使用实体联合标注：在训练语料中，明确标记出完整的人名和邮箱实体（比如将“Mark Randel”标记为PERSON，“gone@hotmail.com”标记为EMAIL），让模型更清晰地学习实体边界。
• 若平台支持自定义正则表达式，可给邮箱实体添加正则匹配规则（符合邮箱格式的字符串优先识别为邮箱），辅助模型正确拆分。

内容的提问来源于stack exchange，提问作者tole