實體提取庫

Question

我正在尋找一個文本分析和提取實體的庫。

實體的類型/分類並不重要，它是識別值得關注的事物。這種情況下的實體宇宙是無限的，它不受固定字典限制。

似乎有幾個Web服務可以做到這一點（NERD讓你比較這些Web服務的結果：http://nerd.eurecom.fr/documentation這是非常有用的），但我正在尋找一個本地庫，而不是遠程託管服務。我更喜歡Java或.NET，但如果它是一個好的庫，我將學習它寫入的任何語言。

在類似主題上很少有舊線程，我希望能夠在這個領域找到新的發展， /或庫建立在較低的水平NLP庫的頂部：

• Entity Extraction/Recognition with free tools while feeding Lucene Index
• Lucene Entity Extraction
• How do I do Entity Extraction in Lucene
• https://stackoverflow.com/questions/tagged/named-entity-extraction
• https://stackoverflow.com/questions/tagged/named-entity-recognition

有沒有人知道一個好的圖書館，做一個體面的工作？

Answer 1

我研究過，但從來沒有使用過，下面的託管實體鑑別服務：

OpenCalais

• 文檔：http://www.opencalais.com/documentation/calais-web-service-api
• 的Java API：http://code.google.com/p/j-calais/

AlchemyAPI

• 網站：http://www.alchemyapi.com/
• 的Java API http://www.alchemyapi.com/tools/

Answer 2

如果你熟悉Perl，有幾個語言標註器/標註器可用（Lingua::TreeTagger和Lingua::BrillTagger浮現在腦海中說話部分-的，（通過谷歌））。

Answer 3

你可以使用NLTK和Python。有關使用NLTK執行NER的示例，請參閱this question。