NLP：文本中圍繞組織名稱的一些常見動詞

-1

我試圖想出一些規則來檢測命名實體，特別是文本中的公司或組織名稱。我認爲把焦點放在動詞上是有道理的。有很多POS Taggers，可以很容易地檢測專有名詞。我個人喜歡StanfordPOSTagger。現在，一旦我擁有專有名詞，我知道它是一個命名實體。然而，要確定它是一家公司的名稱，我需要提出規則，並可能需要規則GazetteersNLP：文本中圍繞組織名稱的一些常見動詞

我正在考慮專注於動詞。公司名稱周圍是否經常出現一組常見動詞？

我可以創建一個帶註釋的語料庫，並顯式地訓練一個機器學習分類器來預測這些動詞，但這是很多工作。如果有人已經對此進行了一些研究，那將會很棒。

另外，可以給其他POS標籤提供線索嗎？不只是動詞。

來源

2016-01-26 AbtPst

爲什麼downvote？我應該把這個數據庫組發佈嗎？ – AbtPst

是的，你應該。 – alvas

Stanford NER system是否適合此用例？它已經檢測到組織，以及人員和其他命名實體類型。

來源

2016-01-26 21:43:13

是的！這就是我正在與之合作。問題是，有時它不能正確標記組織 – AbtPst

這就是爲什麼我想增加標記 – AbtPst

你可以看看[TokensRegexNER]（https://github.com/stanfordnlp/CoreNLP/blob/master/src/edu /stanford/nlp/pipeline/TokensRegexNERAnnotator.java）作爲用自定義地名錄來擴充斯坦福NER的潛在方式。但是，我懷疑你會很難從訓練有素的NER系統的二次猜測中獲得顯着的改善，而不是使用地名錄。您在問題中提到的常見情況可能已經在NER模型中被捕獲。 –

動詞方法似乎是最有前途的。我一直在自己做些什麼來辨別民間故事中的衆生。在此處查看更多關於我的方法：http://www.aaai.org/ocs/index.php/INT/INT7/paper/viewFile/9253/9204 您可能仍需要做一些註釋和培訓，或者使用網絡文本和以下方法查找培訓數據。

如果你正在尋找真正的公司（即非虛構），那麼我建議你只是提取引用表達式（即名詞和多詞表達式），然後檢查一個在線數據庫（一些容易使用API），如：

來源

2016-01-27 00:15:57

NLP：文本中圍繞組織名稱的一些常見動詞

回答

相關問題