在spaCy的entity_ruler中能否引用已定义的其他实体构建匹配规则？

问题根因 #

同一个entity_ruler组件的所有模式匹配是基于组件运行前的Doc实体状态执行的，当前ruler的patterns里定义的Agreement实体，在匹配过程中还没有被写入Doc，因此后面依赖ENT_TYPE: 'Agreement'的模式自然无法命中任何内容。

修复方案 #

拆分两个独立的entity_ruler组件，按依赖顺序执行：

1. 第一个ruler仅负责匹配所有Agreement实体，写入Doc的实体列表
2. 第二个ruler基于已经生成的Agreement实体，匹配AgreementDate类型
   同时为了适配多token的Agreement实体（比如license agreement是2个token），在AgreementDate的匹配规则中增加OP: '+'配置，支持匹配1个或多个连续的Agreement类型token。
   修复后代码如下：

import spacy
# 拆分基础实体和依赖实体的匹配规则
agreement_patterns = [
    {'label': 'Agreement', 'pattern': [{'LOWER': 'license agreement'}]},
    {'label': 'Agreement', 'pattern': [{'LOWER': 'agreement'}]},
    {'label': 'Agreement', 'pattern': [{'LOWER': 'commencement'}]},
    {'label': 'Agreement', 'pattern': [{'LOWER': 'parties'}]},
]
date_patterns = [
    {'label': 'AgreementDate', 'pattern': [{'ENT_TYPE': 'Agreement', 'OP': '+'}, {'LOWER': 'date'}]},
]
nlp = spacy.load('en_core_web_sm')
# 加载第一个ruler：生成Agreement实体
agreement_ruler = nlp.add_pipe('entity_ruler', name='agreement_ruler', config={
    'validate': True,
    'overwrite_ents': True
})
agreement_ruler.initialize(lambda: [], nlp=nlp, patterns=agreement_patterns)
# 加载第二个ruler：匹配依赖Agreement的AgreementDate实体
date_ruler = nlp.add_pipe('entity_ruler', name='agreement_date_ruler', config={
    'validate': True,
    'overwrite_ents': True
})
date_ruler.initialize(lambda: [], nlp=nlp, patterns=date_patterns)
# 测试输出
for ent in nlp('''Commencement Date
license agreement date''').ents:
    print(f'{ent.text:40} {ent.label_:40}')

运行输出结果：

Commencement Date                       AgreementDate                         
license agreement date                  AgreementDate                         

内容的提问来源于stack exchange，提问作者Vito De Tullio