假设我们想要抓取chicagomusiccompass.com。

如您所见，它有几张卡片，每张卡片代表一个事件。现在，让我们看看下一篇：

注意事件名称是：

jazmin bean: the traumatic livelihood tour

所以现在的问题是：我们如何从文本中提取艺术家的名字？

作为一个人，我可以“轻松地”看出 jazmin bean 是艺术家——只需查看他们的 wiki 页面即可。但是编写代码来提取该名称可能会很棘手。

我们可以想，“嘿，: 之前的任何内容都应该是艺术家的名字”，这看起来很聪明，对吧？它适用于这种情况，但是这个怎么样：

happy hour on the patio: kathryn & chris

这里，顺序颠倒了。我们可以不断添加逻辑来处理不同的情况，但很快我们就会得到大量脆弱的规则，并且可能无法涵盖所有​​内容。

这就是命名实体识别（NER）模型派上用场的地方。它们是开源的，可以帮助我们从文本中提取名称。它不会捕获所有案例，但大多数时候，他们会给我们提供我们需要的信息。

通过这种方法，提取变得更加容易。我选择 Python 是因为 Python 机器学习社区是无与伦比的。

from gliner import GLiNER

model = GLiNER.from_pretrained("urchade/gliner_base")

text = "jazmin bean: the traumatic livelihood tour"
labels = ["person", "bands", "projects"]
entities = model.predict_entities(text, labels)

for entity in entities:
    print(entity["text"], "=>", entity["label"])

生成输出：

jazmin bean => person

现在，让我们看一下另一种情况：

happy hour on the patio: kathryn & chris

输出：

kathryn => person
chris => person

来源-GLiNER

太棒了，对吧？不再需要繁琐的逻辑来提取名称，只需使用模型即可。当然，它不会涵盖所有可能的情况，但对于我的项目来说，这种灵活性就很好了。如果您需要更高的准确性，您可以随时：

• 尝试不同的模型
• 对现有模型做出贡献
• 分叉项目并调整它以满足您的需求

结论

作为软件开发人员，强烈建议随时更新机器学习领域的工具。并非所有问题都可以通过简单的编程和逻辑来解决 - 使用模型和统计数据可以更好地解决一些挑战。