我不知道 Spacy 自定义 NER，但该模型不太可能针对召回进行优化，否则它将绝对将所有内容标记为实体以达到完美召回。

您的模型恰好具有良好的召回率，但这并不意味着算法为此进行了优化。可能有一些技术参数，但性能很可能主要取决于训练数据。如果你获得了很好的召回率但很差的精度，这可能是因为训练数据包含的实体比例高于测试数据。如果是这种情况，提高精度的方法是提供更多的反例，例如没有任何实体的句子。这应该会提高精度，因为模型会更加注意否定词，但它也可能会降低召回率。

您可以通过修改配置文件来更改模型加权精度/召回/f1 的方式。

[training.score_weights]
ents_per_type = null
ents_f = 1.0
ents_p = 0.0
ents_r = 0.0

这为 f1 赋予了全部权重，但您可以将其更改为具有ents_p = 0.75and ents_r = 0.25。

（同样的问题出现在spaCy 讨论中）