SpaCy规则匹配多格式人名实体（含逗号分隔）不生效问题咨询

解决方法 #

你遇到的问题是EntityRuler默认配置不允许覆盖已有的NER标注结果，加上现有规则没有适配多token人名的情况，仅需两步调整即可仅通过规则实现需求，无需训练自定义模型：

1. 初始化EntityRuler时开启overwrite_ents配置，允许规则匹配结果覆盖原有NER实体，解决冲突：

# 修改add_pipe行，新增config参数
ruler = nlp.add_pipe("entity_ruler", after='ner', config={"overwrite_ents": True})

2. 调整匹配规则，适配多token人名（比如Jean Joseph是两个连续PER类型的token），用OP:+表示匹配1个及以上连续的PER类型token：

specific_forms_patterns_persons = [
    {"label": "PER", "pattern": [
        {"ENT_TYPE": "PER"}, 
        {"ORTH": ","}, 
        {"ENT_TYPE": "PER", "OP": "+"}
    ]}
]

修改后运行你的代码即可得到期望输出：

[('Jules, Michelet', 'PER'), ('Laborde, Jean Joseph', 'PER'), ('Jacques Mei', 'PER'), ('Paris', 'LOC')]

补充说明 #

• 你提到的三种人名格式都可以通过规则覆盖：无标点的FIRSTNAME LASTNAME本身会被预训练NER直接识别，两种带逗号的格式会被上述规则合并识别，无需额外调整。
• 如果有部分冷门人名预训练NER识别不到，可以继续在patterns列表中添加对应的全匹配规则即可。

内容的提问来源于stack exchange，提问作者Lter