问题标签 [named-entity-recognition]

如何在斯坦福 NER 中标记搭配？目前它标记Federal Reserve Bank of New York为

我希望它被识别为

这可能吗？

我需要将单词分类为它们的词性。像动词、名词、副词等。我用

输出是一棵树。例如

当访问这棵树中的元素时，我做了如下：

但是在访问命名实体时：

我得到了上述错误。

我想要的是将输出作为类似于之前的“PRP”的“NE”，所以我无法识别哪个单词是命名实体。有没有办法在 python 中使用 NLTK 来做到这一点？如果是这样，请发布命令。还是树库中有一个函数可以做到这一点？我需要节点值“NE”

是否可以计算一个实体在一篇文章中被提及的次数？例如

ABC Company是世界上最大的汽车制造商之一。It也是年产量最大的公司。 It也是仅次于XYZ公司的第二大豪华车出口商。两家ABC公司和 XYZ 共同生产了该国汽车总产量的 n% 以上。

提到 ABC 公司 4 次。

我尝试使用 SourceForge 的 OpenNLP Tools 1.5 从文本中获取命名实体。我确实在 OpenNLP 下载中找到了一个 JWNL 文件。这是否意味着 OpenNLP 反过来使用 WordNet 进行命名实体识别。（具体来说，这是否意味着名称模型文件是使用 WordNet 生成的）？

Open Calais 和 Alchemy API 等服务可以从非结构化文本生成 RDF。有没有离线的工具？有没有人尝试过WebCAT或者 OpenCyc 对这样的用例有用吗？

需要一些帮助！

我正在尝试在objective-c中编写一些需要词性标记的代码，理想情况下还需要命名实体识别。我对“自己动手”没有太大兴趣，所以我正在寻找一个体面的库来用于此目的。显然越准确越好，但我们在这里不是在谈论任何关键的东西——只要它通常非常准确就足够了。

至少暂时只有英语，但我不想自己对模型进行任何培训。因此，无论采用何种解决方案，它都必须已经建立了一个英语语言模型。

最后，它必须通过商业友好的许可证（例如 BSD/Berkeley、LGPL）提供。不能做 GPL 或任何类似的限制，但如果这是唯一的选择，我愿意为商业许可证支付少量费用。

C、C++ 或 Obj-C 代码都可以。

所以：任何熟悉可以在这里解决问题的东西的人？谢谢！！

我知道这是一个普遍的、开放式的问题。我基本上是在寻求帮助来决定前进的方向，也许是在寻求一些阅读材料。

我正在研究一种进行非结构化文本挖掘的算法，并试图从该文本中提取特定的东西——乐队的名称（单个艺术家、乐队等）。文本本身没有可预测的结构，但相对较小（1、2 行文本）。

一些例子可能是（不是真实事件）：

现在，我正在考虑尝试一个分类器，但文本似乎很小，无法为其提供任何真正的训练信息。可能还有其他几种文本挖掘技术、启发式或算法可以为这类问题产生良好的结果（或者可能没有算法会）。

您将如何解析一串自由格式的文本，以根据位置和名称的字典检测位置和名称等内容？在我的特定应用程序中，我的字典中将有数以万计的条目，所以我很确定只运行它们是不可能的。此外，有没有办法添加“模糊”匹配，以便您还可以检测x字典单词编辑中的子字符串？如果我没记错的话，这属于自然语言处理领域，更具体地说是命名实体识别（NER）；然而，我试图找到有关 NER 背后的算法和过程的信息的尝试是徒劳的。我更喜欢为此使用 Python，因为我对此最熟悉，尽管我愿意查看其他解决方案。

一周前我做了一些关于文本挖掘的问题，但我有点困惑，但现在我知道我想做 wgat。

情况：我有很多包含 HTML 内容的下载页面。例如，其中一些可以是来自博客的文本。它们不是结构化的并且来自不同的站点。

我想要做什么：我将用空格分割所有单词，并且我想将每个单词或一组单词分类为一些预定义的项目，如姓名、数字、电话、电子邮件、网址、日期、金钱、温度等.

我所知道的：我知道/听说过有关自然语言处理、命名实体识别器、POSTagging、NayveBayesian、HMM、培训和很多分类的事情等的概念，但是有一些不同的 NLP 库具有不同的分类器和方法来做到这一点，我不知道有什么用或做什么。

我需要什么：我需要一些来自分类器、NLP 等的代码示例，它可以将每个单词从文本中单独分类，而不是整个文本。像这样的东西：

有人可以帮助我吗？我对各种 API、分类器和算法感到困惑。

好的，我有以下代码来训练来自 OpenNLP 的 NER 标识符

我不知道我是否做错了什么，如果缺少某些东西，但分类不起作用。我假设 train.txt 是错误的。

发生的错误是所有令牌都被分类为仅一种类型。

我的 train.txt 数据类似于以下示例，但具有更多的变化和条目数量。另一件事是我每次从文本中逐字分类，而不是所有标记。

有人可以证明我做错了什么？