如何获取spaCy NER模型的实体标签置信度分数？

要获取spaCy为实体分配的标签置信度分数，你可以通过以下两种方式实现：

方法一：直接访问实体的扩展属性（spaCy v3及以上版本） #

训练完成的NER模型会自动为识别出的实体添加._.score扩展属性，直接读取该属性就能拿到对应标签的置信度分数：

nlp = spacy.load('output_/model-best')
doc = nlp("hello world")
for entity in doc.ents:
    print(entity.text, entity.label_, entity._.score)

方法二：通过NER管道获取全量标签分数 #

如果需要查看每个token对应所有实体标签的概率分布，可以调用NER管道的predict方法获取原始预测数据，再结合标签映射解析：

nlp = spacy.load('output_/model-best')
doc = nlp("hello world")
ner_pipe = nlp.get_pipe("ner")
# 获取每个token的所有标签分数
raw_scores = ner_pipe.predict(doc)
# 获取模型支持的所有实体标签
all_labels = ner_pipe.labels

for idx, token in enumerate(doc):
    token_scores = raw_scores[idx]
    print(f"Token: {token.text}")
    for label, score in zip(all_labels, token_scores):
        print(f"  {label}: {score:.4f}")

注意：低版本spaCy可能不支持._.score扩展属性，建议升级到v3及以上版本使用第一种方法。

内容的提问来源于stack exchange，提问作者SteveS