使用Spacy NER标注自定义实体CUSTOM，是否需标记整个词？

1. 优先标注完整的目标字符串 #

从NER模型的训练逻辑出发，应该把Amazon1337XS324、*Google这类完整字符串全标记为CUSTOM实体，理由很直接：

• 模型学习的是「上下文+完整实体特征」，那些看似无意义的后缀（数字、字母组合）其实是这类短文本里公司名称的固定呈现形式，模型会自动把后缀和核心词关联起来，反而能提升识别精准度。
• 若只标核心词，后续模型遇到带后缀的文本时，可能只会把Amazon挑出来当成实体，剩下的后缀部分被判定为无关内容，不符合你要识别完整公司标识的目标。

2. 特殊符号的处理逻辑 #

针对*Google、Just *Eat这类带特殊符号的情况：

• 如果*是文本本身的固定内容（比如输入时的格式标记），就把带符号的完整部分标为实体；
• 如果*是标注时误加的干扰符号，就去掉符号后标注核心公司名（比如Just Eat）。

3. 只标核心词能否识别新后缀？ #

如果只标注Amazon、Google这类核心部分，模型无法稳定识别带新后缀的新示例。因为模型没学习到「核心词+任意后缀」的关联特征，遇到Amazon1337XS325这类新样本时，要么只识别出Amazon，要么完全判定为非实体。

要是后缀确实完全随机无意义，可以尝试混合标注：大部分样本标完整实体，小部分样本只标核心词，让模型学习到核心词关联的扩展特征，但这种方式需要更多训练数据支撑，效果远不如直接全标完整实体稳妥。

内容的提问来源于stack exchange，提问作者vividjourney