但是那些训练有素的系统还没有看到我们如何标记它们的新实体（电影或制作公司名称）呢？每次都用新发行的电影重新训练模型是不可行的。

NER 模型不应该被重新训练来标记它以前没有见过的新文本。如果训练成功，它将使用从标记数据中学到的信息，并能够将其应用于新数据。对于您的用例，这可能是以下信息：

• 大写 - 电影标题和制作公司名称常见
• 使用的词 - 电影标题或公司名称的常用词
• 在文本中的位置 - 电影标题可能出现在文本的早期

spaCy是一个很好的开始使用 NER 的库。这是一个关于如何使用您自己的数据进行训练的示例。

由于我们没有很多信息，这就是我选择的工作方式。

1. 获取大量与电影相关的文本
2. 使用电影本体，例如这个
3. 训练分类器以识别我已有数据中的电影名称和制作公司
4. 然后在另一个数据集上，应用 POS 标记（在此处了解详细信息）
5. 使用 POS 标记（可能具有额外的特征）和（3）中的标签来训练另一个分类器（可能是神经网络）并识别任何单词是电影还是制作公司
6. 每当你觉得你的模型表现不佳时，从一开始就做同样的事情。