Stanford CoreNLP中RegexNER被CRF覆盖，如何添加实体识别例外？

我之前也碰到过和你一模一样的情况——开启细粒度NER后，CRF模型的识别结果总是覆盖RegexNER的规则，尤其是像Train这种多歧义的实体。下面给你几个实用的解决方案，按优先级和复杂度排序：

1. 让RegexNER强制覆盖CRF结果（最直接） #

Stanford CoreNLP的RegexNER支持OVERRIDE标记，能强制让规则的优先级高于CRF模型的输出。你只需要修改映射文件里的规则：

Train	VEHICLE_TYPE	2.0	OVERRIDE

这里的OVERRIDE关键字会告诉系统，不管CRF识别出什么类型，都用你指定的VEHICLE_TYPE替代。

如果有很多类似的例外规则，你也可以在CoreNLP的配置参数里全局开启覆盖：

regexner.overrideNamedEntities=true

这个参数会让所有RegexNER规则都优先于CRF的识别结果，适合批量处理这类冲突。

2. 排除干扰的细粒度NER类型 #

如果CRIMINAL_CHARGE这个细粒度类型对你的任务没有实际价值，可以直接在配置里排除它，从根源上避免冲突：

ner.excludedClasses=CRIMINAL_CHARGE

这样CRF模型就不会再识别CRIMINAL_CHARGE类型的实体，自然不会和你的Train规则冲突。不过要注意，这个设置会影响所有文本的识别，如果你还需要用到这个类型的话就不适用。

3. 自定义训练CRF模型（长期方案） #

如果你的任务需要长期稳定的实体识别效果，且有足够的标注数据，可以把Train作为VEHICLE_TYPE的样本加入训练集，重新训练CRF模型。这样模型本身就能正确区分Train的歧义，不需要依赖RegexNER的规则。不过这个方案的成本较高，需要准备标注数据和训练环境。

额外注意事项 #

• 检查你的RegexNER映射文件格式：必须用制表符分隔字段（文本、实体类型、权重、可选标记），如果用了空格会导致规则不生效。
• 确认启动CoreNLP时正确加载了映射文件，配置里要包含：

regexner.mapping=你的映射文件路径.txt

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