能否在spaCy实体链接候选生成中结合NER标签筛选实体候选？

当然可以借助NER检测到的标签来缩小KB或EL模型的候选范围！这个需求在spaCy的实体链接流程里完全可行，而且有几种不同的实现方式，对应不同的时机（训练前/训练后），下面给你详细拆解：

1. 提前在知识库（KB）中关联实体类型（训练前操作） #

首先，你需要给KB里的每个实体条目绑定对应的类型（比如PERSON/LOCATION），这一步要在构建KB的时候完成：

• 先维护一个实体ID到类型的映射字典，把每个Wikidata条目和对应的NER标签对应起来；
• 构建spaCy的KB时，同步记录这些类型信息（可以存在单独的字典里，或者利用spaCy KB的元数据扩展）。

示例代码：

# 实体ID -> 对应NER标签的映射
entity_type_map = {
    "Q90": "LOCATION",
    "Q830149": "LOCATION",
    "Q47899": "PERSON",
    "Q7137357": "PERSON",
    "Q5214166": "PERSON"
}

# 构建spaCy知识库
from spacy.kb import KnowledgeBase

nlp = spacy.load("your_custom_ner_model")
kb = KnowledgeBase(vocab=nlp.vocab, entity_vector_length=96)

# 添加实体到KB，同时记录类型
for entity_id, desc, freq in your_entity_data:
    kb.add_entity(entity_id, desc, freq)

2. 推理阶段动态过滤候选（训练后操作，最灵活） #

如果已经训练好了EL模型，不想重新训练，那可以在推理时拿到NER的标签后，直接过滤掉不符合类型的候选：

• 遍历文档中的每个NER实体，获取它的标签；
• 从KB的候选列表中筛选出类型匹配的实体，再把过滤后的候选传给EL模型做链接。

示例代码：

doc = nlp("Paris Hilton attended the event in Paris.")

for ent in doc.ents:
    # 获取当前实体的NER标签
    current_ner_label = ent.label_
    # 获取KB返回的原始候选
    all_candidates = kb.get_candidates(ent.text)
    # 过滤出类型匹配的候选
    filtered_candidates = [
        cand for cand in all_candidates 
        if entity_type_map[cand.entity_id] == current_ner_label
    ]
    # 将过滤后的候选赋值给实体，供EL模型使用
    ent._.kb_candidates = filtered_candidates

# 之后实体链接会只基于过滤后的候选进行预测

这种方式不需要改动模型，随用随调，适合快速适配不同场景的需求。

3. 训练EL模型时加入类型约束（训练前操作，提升模型精度） #

如果你想让EL模型本身就学习到“NER标签对应实体类型”的规则，可以在训练阶段就把这个约束加进去：

• 准备EL训练样本时，只保留与NER标签匹配的实体作为候选（比如样本中实体被标记为PERSON，就只提供PERSON类型的实体候选）；
• 这样模型在训练过程中会自动学习到“NER标签和实体类型必须匹配”的逻辑，预测时会优先考虑符合类型的实体，减少无效候选的干扰。

总结 #

• 训练后用推理过滤：最快最灵活，适合已有成熟模型的场景；
• 训练前在KB标记类型+训练时约束候选：让模型从根源上学习类型匹配规则，链接准确率更高；
• 两种方式也可以结合使用，先在KB标记类型，训练时约束，推理时再做一层过滤，双重保障。

内容的提问来源于stack exchange，提问作者LBoss