有沒有辦法告訴NLTK某個單詞不是專有名詞，而是名詞？

我正在做一些NLP，當我發現患者被診斷爲多發性硬化症時。有沒有辦法告訴NLTK某個單詞不是專有名詞，而是名詞？

我想用nltk來告訴我，一個句子的名詞是多發性硬化症。問題是，醫生經常將多發性硬化症稱爲MS，它們被認爲是專有名詞。

例如，這句話，「他的MS在1999年被診斷出來。」被標記爲：[('His', 'PRP$'), ('MS', 'NNP'), ('was', 'VBD'), ('diagnosed', 'VBN'), ('in', 'IN'), ('1999', 'CD'), ('.', '.')]

MS應該是一個名詞。有什麼建議麼？

命名實體識別是一個難題。嘗試[this]（http://textminingonline.com/how-to-use-stanford-named-entity-recognizer-ner-in-python-nltk-and-other-programming-languages）。 –

您目前使用默認的POS標記。所以在這種情況下，您需要使用正確的POS標記值來訓練您自己的語料庫。如果不是作爲回退機制，則在使用默認語料庫POS Tagger模型後應該有另一個錯誤糾正層。 – Renien

數據的來源是什麼？是否有可能分享？是否有你希望他們總是名詞的單詞/短語/縮寫列表？你有數據標籤嗎？數據的領域是什麼？什麼是POS標籤的最終目的？回答這些問題將縮小解決您的問題的範圍。 – alvas

總結起來，有以下選項：

正在修復處理後的標籤 - 有點難看，但方便快捷。
僱用一個外部姓名實體識別器（Stanford NER，@Bob Dylan已經深思熟慮） - 這一個更加涉及，特別是因爲斯坦福NER在java中並不是特別快。
重新訓練一個POS標註器在特定領域的數據（你有一個足夠大的註解數據集來使用它嗎？）
使用WSD（詞義消）方法 - 一開始，你需要有一個很好的域名詞典使用。

2017-09-01 15:23:23 sophros

回答