如何使用带有个性化数据的 SpacyR 提取实体名称？

问：

下午好

我正在尝试对不同长度的规范性文本进行分类，并标记词性 （POS）。为此，我使用了 tm 和 udpipe 库，并给出了数据库的长度。

我需要执行的另一项任务是识别实体。我尝试了 SpacyR 库，但它无法正确识别组织的名称，因此我想根据语料库中的一些文档训练自定义 NER 模型，我亲自验证了这些文档。

如何使用自定义数据“spacy_extract_entity（）”？或者也许使用 quanteda 和 spacyr？

提前致谢。

我以这种方式完成了 POS 任务。我生成了几个函数。

suppressMessages(suppressWarnings(library(pdftools)))
suppressMessages(suppressWarnings(library(tidyverse)))
suppressMessages(suppressWarnings(library(tm)))

# load the corpus

tm_corpus <- VCorpus(DirSource(
  "working_path,
  pattern = ".pdf"),readerControl = list(reader = readPDF, language = 'es-419'))

# load udpipe

library(udpipe)
dl <- udpipe_download_model(language = "spanish", overwrite = FALSE)
str(dl)
udmodel_spanish <- udpipe_load_model(file = dl$file_model)

# functions to annotate the corpus

f_udpipe_anot <- function(n){
  
  txt <- as.character(tm_corpus[[n]]) %>% #lista simia
    unlist()
  y <- udpipe_annotate(udmodel_spanish, x = txt, trace = TRUE)
  y <- as.data.frame(y)
}

pinkillazo <- function(desde, hasta){
  resultado <- data.frame()
  for (item in desde:hasta){
    print(item)
    resultado <- rbind(resultado, f_udpipe_anot(item))
   
   }
  return(resultado)
}

leyes_udpipe_POS <- pinkillazo(1,13) # here I got the annotated corpus as a dataframe

为了识别命名实体，我尝试了以下方法：

spacyr::spacy_initialize(model = "es_core_news_sm")
quan_corpus <- corpus(tm_corpus)
POS_df_spacyr <- spacy_parse(quan_corpus, lemma = FALSE, entity = TRUE, tag = FALSE, pos = TRUE)

organiz <- spacy_extract_entity(
  quan_corpus,
  output = c("data.frame", "list"),
  type = c("all", "named", "extended"),
  multithread = TRUE,
  )

我得到了错误的组织名称以及其他错误规范。使用多线程，我很难简化这项任务，但事实并非如此。