То есть наташа работает по правилам?

Нужно написать грамматику и тогда должно работать?

Да,  но заготовки правил есть, так что ничего сложного нет.

Проблема в том, что мне нужно находить сущности, которые валидны только в контексте. В частности мне нужно по тексту договора определить кто является заказчиком, а кто исполнителем. И то и другое имена (или организации). Но только по контексту можно понять, что кто из них кто

Тут наверное машинное обучение лучше бы зашло?

Наташа занимается только NER, т.е идентификация имен. А вот по контексту надо применять методы машинки.

Ну, не только идентификацией имен :)
Насколько я знаю, такая задача называется relation extraction и тут есть много подходов, в т.ч. онтологии и синтаксический разбор - которые требуют очень больших затрат по времени (для того, чтобы описать как минимум несколько видов ситаксических конструкций) и я не уверен, что в сейчас это можно описать правилами наташи.
Если хочется чего-то готового, посмотрите на MITIE (https://github.com/mit-nlp/MITIE), у них даже в примерах есть похожие штуки: https://github.com/mit-nlp/MITIE/blob/master/examples/python/train_relation_extraction.py

Спасибо за инфу)

Хотя, если вы разбираете договора (которые должны быть написаны в своеобразном стиле, см. контролируемый естественный язык) - простые случаи, скорее всего, можно будет извлекать с помощью грамматик (с хорошей точностью)

Александр @alexkuk приводил тут пример сложных грамматик для реестра запрещенных материалов:

А как с русским?

Ну, не только идентификацией имен :)
Насколько я знаю, такая задача называется relation extraction и тут есть много подходов, в т.ч. онтологии и синтаксический разбор - которые требуют очень больших затрат по времени (для того, чтобы описать как минимум несколько видов ситаксических конструкций) и я не уверен, что в сейчас это можно описать правилами наташи.
Если хочется чего-то готового, посмотрите на MITIE (https://github.com/mit-nlp/MITIE), у них даже в примерах есть похожие штуки: https://github.com/mit-nlp/MITIE/blob/master/examples/python/train_relation_extraction.py

Все, что я пробовал - это их unsupervised токенизатор и получилось не очень.

В общем, как обучите, так и будет :)

всем привет, есть проблема с добавлением словаря. Может кто подскажет, как быть и что делать :( https://github.com/bureaucratic-labs/natasha/issues/20

если я правильно понял, всё что нужно сделать - это поставить dawg в ваш virtualenv.

установлен

выполнил уже `import dawg

d = dawg.DAWG(persons)
d.save('prsn.dawg')`

persosns - словарь