我正在尝试设计一个有点非传统的 NER 系统，将某些多字字符串标记为单个单元/标记。
那里有很多很酷的 NER 工具，但我有一些特殊需求，这使得直接使用开箱即用的东西几乎是不可能的：
首先，实体不能仅仅被提取并打印在一个列表中——它们需要以某种方式标记并合并为标记。
其次，分类并不重要——人/组织/位置并不重要（至少在输出中）。
第三，这些不仅仅是我们正在寻找的典型的 ENAMEX 命名实体。我们需要公司和组织，但也需要“气候变化”和“同性婚姻”等概念。我在一些工具上看到过这样的标签，但它们都是“提取式”的。
我将如何获得这种类型的功能？在我自己的手动注释数据集上训练斯坦福标注器会完成这项工作吗（其中“气候变化”式的短语被标记为 MISC 或其他东西）？还是我最好只列出“奇怪”实体的候选名单，并在通过常规 NER 系统运行后检查文本？
非常感谢！