我正在构建一个命名实体分类器，nltk并且我专注于位置检索（任何类型，从国家到博物馆、餐馆或道路）。我正在尝试改变我使用的功能集和方法。
目前，我使用了 NLTK的内置Maxent、NaiveBayes、PositiveNaiveBayes和. 我正在使用 40 种不同的功能集组合。DecisionTreesSVM
Maxent似乎是最好的，但它太慢了。nltk'sSVM用于二进制分类，我在腌制最终分类器时遇到了一些问题。然后我尝试nltk了 的包装器scikit-learn SVM，但它不接受我的输入，我尝试适应但有一些浮点强制问题。
现在，我正在考虑将nltk' 包装器用于Weka，但我不知道它是否可以给我一些非常不同的结果，值得尝试并且不需要太多时间。我的问题是，与's 的内置分类器相比Weka有什么优势？nltk