该机器学习后端提供了一种简单的方法，可使用spaCy模型进行命名实体识别(NER)和词性标注(POS)。

当前实现包含以下模型：

• 命名实体识别(NER)
• [即将推出…] 词性标注(POS tagging)

开始之前

在开始之前，您必须安装Label Studio ML后端。

本教程使用spacy示例。

快速入门

1. 在http://localhost:9090上构建并启动ML后端

docker-compose up

2. 验证后端是否正在运行

$ curl http://localhost:9090/health
{"status":"UP"}

3. 在Label Studio中创建一个项目。然后从项目设置的模型页面，连接模型。默认URL是http://localhost:9090。

使用说明

标注配置

该模型兼容以下标注配置：

<View>
    <Labels name="label" toName="text">
        <Label value="CARDINAL" background="#FFA39E"/>
        <Label value="DATE" background="#D4380D"/>
        <Label value="EVENT" background="#FFC069"/>
        <Label value="FAC" background="#AD8B00"/>
        <Label value="GPE" background="#D3F261"/>
        <Label value="LANGUAGE" background="#389E0D"/>
        <Label value="LAW" background="#5CDBD3"/>
        <Label value="LOC" background="#096DD9"/>
        <Label value="ORG" background="#ADC6FF"/>
        <Label value="PERSON" background="#9254DE"/>
        <Label value="TIME" background="#F759AB"/>
    </Labels>
    <Text name="text" value="$text"/>
</View>

你也可以使用Label Studio提供的命名实体识别模板中的默认配置。

注意：如果您的标签与默认标签不同，文本范围仍会高亮显示，但您需要手动将标签映射到模型中已有的标签。请转到model.py并修改_custom_labels_mapping以将SpaCy实体映射到您的标签。有关预定义标签，请查阅官方SpaCy文档，例如en_core_web_sm。

参数

要修改默认参数，请设置以下环境变量：

• PORT - 运行服务器的端口号，默认为 9090
• WORKERS - 运行服务器的工作进程数量，默认为 2
• SPACY_MODEL - 使用的spaCy模型，默认为en_core_web_sm