使用 SpaCy 和 python lambda 提取命名实体

问题描述

我正在使用 following 代码使用 lambda 提取命名实体。

df['Place'] = df['Text'].apply(lambda x: [entity.text for entity in nlp(x).ents if entity.label_ == 'GPE'])

和

df['Text'].apply(lambda x: ([entity.text for entity in nlp(x).ents if entity.label_ == 'GPE'] or [''])[0])

对于几百条记录，它可以提取结果。但是当涉及到数千条记录时。它几乎需要永远。有人可以帮我优化这行代码吗？

解决方法

您可以通过以下方式改进：

1. 对整个文档列表调用 nlp.pipe
2. 禁用不必要的管道。

试试：

import spacy
nlp = spacy.load("en_core_web_md",disable = ["tagger","parser"])

df = pd.DataFrame({"Text":["this is a text about Germany","this is another about Trump"]})

texts = df["Text"].to_list()
ents = []
for doc in nlp.pipe(texts):
    for ent in doc.ents:
        if ent.label_ == "GPE":
            ents.append(ent)
            
print(ents)

---

[Germany]