Prodigy技术咨询：添加Matcher模式后'tumulus'未被标记的问题排查

关于模式文件添加至模型的问题 #

可以将自定义模式整合到Spacy的工作流中，既可以通过Matcher/PhraseMatcher直接调用模式，也可以将模式封装为自定义管道组件，实现和预训练模型的结合。

代码无效果的原因分析 #

你的代码存在两个核心问题，导致"Tumulus"未被标记：

1. 未执行匹配操作：代码仅初始化了Matcher并添加了模式，但没有调用matcher(doc)执行实际匹配，无法生成匹配结果。
2. 未将匹配结果转为命名实体：spacy.displacy.render(doc, style='ent')展示的是Doc对象的ents属性（即命名实体），而Matcher仅能定位匹配的token区间，不会自动将其标记为实体。

修正后的代码示例 #

import spacy
from spacy.matcher import Matcher
from spacy.tokens import Span

# 初始化模型与Matcher
nlp_lg = spacy.load("en_core_web_lg")
matcher = Matcher(nlp_lg.vocab)
pattern = [{"LOWER": "tumulus"}]
matcher.add("THING", [pattern])

# 获取目标文本并处理
MyText = df.loc[52]["TEXT"]
doc = nlp_lg(MyText)

# 执行匹配操作
matches = matcher(doc)

# 将匹配结果转为自定义实体
new_ents = []
for match_id, start, end in matches:
    # 自定义实体标签，可按需修改
    span = Span(doc, start, end, label="ARCHAEOLOGICAL_SITE")
    new_ents.append(span)

# 合并原有实体与新标记的实体
doc.ents = list(doc.ents) + new_ents

# 渲染实体可视化
spacy.displacy.render(doc, style='ent')

额外说明 #

• 原文本中的"Tumulus"首字母大写，你使用{"LOWER": "tumulus"}的模式可以正确匹配所有大小写变体，这部分逻辑是没问题的。
• 自定义实体标签可根据业务场景调整，比如改为"LANDMARK"或其他更贴合需求的名称。

内容的提问来源于stack exchange，提问作者matt.whitby