能否为Stanford NLP NER或spaCy添加自定义实体识别类别？

Stanford NER 自定义实体类支持情况 #

• 官方预置的3分类预训练模型无法直接追加新的实体类别（比如示例中的Sports类），但Stanford NER本身完全支持自定义实体类扩展。
• 扩展操作需要你提前准备标注完成的自定义数据集，标准格式为每行对应单词 实体标签，不同句子的标注内容之间用空行分隔。
• 数据准备完成后，调用Stanford NER提供的edu.stanford.nlp.ie.crf.CRFClassifier训练工具，即可训练包含你自定义类别的专属NER模型，支持的实体类别数量无额外限制。

spaCy 自定义实体类支持情况 #

spaCy对自定义实体类的支持更灵活，操作门槛也更低，有两种常用实现路径：

• 基于官方预训练模型微调：可以在现有预训练NER模型的基础上追加新的实体类别，无需从零开始训练，只要标注对应类别的训练样本即可实现。
• 从零训练全新NER管道：如果自定义类别和原有预训练类别存在冲突，或者你只需要识别自定义的实体类，也可以单独训练全新的NER组件，完全适配业务需求。

注：不管使用Stanford NER还是spaCy，自定义实体类的最终识别效果都和标注数据的质量、样本量直接相关。

内容的提问来源于stack exchange，提问作者Aniiya0978