SpaCy实体识别问题：无法识别带头衔前缀的人物实体

我之前也碰到过一模一样的情况！SpaCy的默认英文模型（en）在处理带特定头衔前缀的人名时，确实容易漏识别Person实体——就像你说的，去掉"Labour MP"就能正常识别Luciana Berger，但带着头衔就返回空列表。这是因为默认模型的训练数据里，这类带政治头衔的人名样本可能不够多，导致模型没学会关联头衔和后面的人名。

下面给你几个实用的解决办法，亲测有效：

方法1：用Matcher手动匹配头衔+人名模式 #

你可以自定义匹配规则，先识别出"头衔+人名"的组合，再手动标记为Person实体。示例代码如下：

import spacy
from spacy.matcher import Matcher

nlp = spacy.load('en')
matcher = Matcher(nlp.vocab)

# 定义匹配模式：[头衔名词短语] + [人名（大写开头的词，至少两个）]
pattern = [
    {"POS": "NOUN", "OP": "+"},  # 匹配一个或多个名词（比如"Labour MP"）
    {"POS": "PROPN", "IS_TITLE": True},  # 第一个人名（首字母大写）
    {"POS": "PROPN", "IS_TITLE": True, "OP": "?"}  # 可选的第二个人名（比如双名）
]
matcher.add("TITLE_PERSON", [pattern])

text = u"In a recent tweet, Labour MP Luciana Berger sought clarification..."
doc = nlp(text)

# 应用匹配器并标记实体
matches = matcher(doc)
for match_id, start, end in matches:
    span = doc[start:end]
    # 检查是否已经被标记为实体，避免重复
    if not span.ents:
        span.merge()  # 合并成一个token
        doc.ents = list(doc.ents) + [(nlp.vocab.strings["PERSON"], start, end)]

# 输出结果
print([(ent.text, ent.label_) for ent in doc.ents])

运行这段代码后，就能正确识别出"Labour MP Luciana Berger"为Person实体了。

方法2：使用更强大的预训练模型 #

SpaCy的Transformer-based模型（比如en_core_web_trf）在实体识别上表现更出色，因为它用了BERT这类大模型，对复杂实体的理解更强。你可以安装并替换模型：

pip install spacy-transformers
python -m spacy download en_core_web_trf

然后替换加载模型的代码：

import spacy

nlp = spacy.load('en_core_web_trf')
text = u"In a recent tweet, Labour MP Luciana Berger sought clarification..."
doc = nlp(text)
print([(ent.text, ent.label_) for ent in doc.ents])

这个模型不需要额外写规则，就能直接识别带头衔的人名，不过缺点是运行速度比默认模型慢，对硬件要求稍高。

方法3：自定义NER训练（进阶） #

如果你的场景里有大量特定头衔的人名，可以收集这类样本，微调SpaCy的NER模型，让它专门适配你的数据。不过这个方法需要一定的训练数据和机器学习基础，适合长期的需求。

内容的提问来源于stack exchange，提问作者aviss