EntityTypeOf()
The rule-based NER above detects + coarsely types spans. These re-TYPE an entity against ARBITRARY, user-defined types BY MEANING (zero-shot, via the neural model when loaded; lexical fallback otherwise) -- so the type set adapts to any domain, and "Paris" the city vs the person is disambiguated by meaning. (A real token-classification NER-head GGUF, once available, plugs onto the per-token engine substrate -- neural_embed_tokens -- underneath.) EntityTypeOf(entity, types) -- the candidate type whose MEANING best matches the entity mention (DATA, a string).
Exemples de base (1)
t = new stzText("Barack Obama loves the wonderful city of Paris.")
# EntityTypeOf picks the closest type
? t.EntityTypeOf("New York City", [ "city location", "food dish" ])
# a non-list of types is rejected
? t.EntityTypeOf("Paris", "not a list")
ae = t.EntitiesTypedAs([ "person", "place" ])
# EntitiesTypedAs returns [entity, type] pairs for detected entities
? len(ae) >= 1 and len(ae[1]) = 2
# EntitiesTypedAsQQ is stzListOfPairs
? classname(t.EntitiesTypedAsQQ([ "person", "place" ]))city location 1 stzlistofpairs
exécuté le 2026-10-02 04:23 dans la bibliothèque au commit 0e72e2e2c ; tiré de text_query_layer_narrated.ring(s'ouvre dans un nouvel onglet)
Les extensions de cette méthode
Chaque extension, et si elle existe pour cette méthode ; une extension qui existe se compose avec les autres (FindSTCS).
Chaque exemple est un fichier de test de la bibliothèque, exécuté dans la bibliothèque pour cette page ; seuls ceux dont la sortie a tenu toutes les promesses écrites par leur fichier sont montrés. Les explications, les titres et le code sont ceux de la bibliothèque, en anglais.
Voir aussi
- La classe stzText
- La référence du domaine : Traitement du langage et linguistique
- Les autres méthodes de ces exemples : stzText.EntitiesTypedAs

