斯坦福NER - 無法識別電話號碼

Question

我正在訓練我的NER到實體類型Phonenumber，其詞類是數字。然而，當我測試與我訓練過的相同數據時，分類器未識別電話號碼。

是因爲電話號碼的詞性（POS）是數字（CD）嗎？

Answer 1

您可能希望使用regexner來替代此用例。

考慮這句話（把它在手機用戶號碼將example.txt）：

You can reach the office at 555 555-5555.

如果你犯了一個regexner規則文件中像這樣（注意每列的製表符分隔）

[0-9]{3}\W[0-9]{3}-[0-9]{4}  PHONE_NUMBER MISC,NUMBER  1 

並運行此命令：

java -Xmx8g edu.stanford.nlp.pipeline.StanfordCoreNLP -annotators tokenize,ssplit,pos,lemma,ner,regexner -regexner.mapping phone_number.rules -file phone-number-example.txt -outputFormat text 

它將標識輸出NER標記中的電話號碼。

需要注意的一個問題。您會注意到標記器會將「555 555-5555」變成一個標記。規則文件的第一列是一個匹配令牌的正則表達式。正則表達式模式是一個空格分隔的模式列表，它匹配您想要標記的每個標記。

所以在這個例子中，我所制定的規則有一個「\ W」來捕獲空間。當我使用「\ s」等等時，規則不起作用。所以我認爲編寫包含空格的標記的正則表達式存在問題。典型的令牌不包含空間。

所以你可能想通過擴展「\ W」來解決這個問題，並且排除你不想要的其他字符，因爲「\ W」只是表示非單詞字符。此外，您顯然可以使我列出的模式更加複雜，並捕獲各種電話號碼模式。

上RegexNER更多信息可以在這裏找到：

http://nlp.stanford.edu/software/regexner.html