我在問相關問題here但這個問題更一般。我拿了一個大的語料庫，並用他們的命名實體註釋了一些詞。就我而言，它們是特定領域的，我稱之爲：實體，行動，事件。我想用它們作爲提取更多命名實體的種子。例如，下面是一句話：我如何處理這個命名實體分類任務？
當機器人發生技術故障時，物體被拋出，但後來被另一個機器人抓住。
被標記爲：
當（機器人）/實體有（技術故障）/事故，所述 （對象）/實體爲（拋出） /動作但後來是（被捕獲）/動作由 （另一個機器人）/實體。
給出這樣的例子，有無論如何，我可以訓練一個分類器來識別新的命名實體嗎？例如，給出這樣一個句子：
納米機器人有一個bug，所以它撞到了牆上。
應該有些標籤是這樣的：
的（毫微）/實體有（錯誤）/事件，所以它（崩潰）/動作到（牆）/實體。
當然，我知道100％的準確性是不可能的，但我會有興趣瞭解任何正式的方法來做到這一點。有什麼建議麼？
這並不是名稱實體識別，因爲沒有任何標註的部分是名稱，所以NER系統的功能集不會幫助您（英語NER系統傾向於相當強烈地依賴大寫字母，並且更喜歡名詞）。這是一種信息提取/語義解釋。我懷疑這在機器學習設置中會非常困難，因爲您的註釋確實不一致：
當（機器人）/實體出現（技術故障）/事件時，（對象）/實體是（拋出）/動作，但後來被捕捉/被另一個機器人動作。
爲什麼「另一個機器人」沒有註釋？
如果你想解決這類問題，你最好從一些正則表達式開始，可能會匹配POS標記的字符串版本。
我能想到2種方法。
首先是模式匹配過的一句話。事情是這樣的（僞代碼，但它類似於NLTK塊語法分析）：
<some_word>+ (<NN|NNS>) <have|has|had> (<NN|NNS>)
<NN|NNS> (<VB>|was <VB>) (<and|but> (<VB>|was <VB>))* <into|onto|by> (<NN|NNS>)
這兩個模式可以（大約）卡子2個部分的第一句話。如果你的句子不是很多，這是一個不錯的選擇。我相信用精心挑選的模式可以達到90％的準確率。缺點是這個模型很難擴展/修改。
另一種方法是地雷之間的依賴關係在句子中，例如，與Stanford Dependency Parser。除此之外，它允許挖掘客體，主語和謂詞，這與你想要的非常相似：在你的第一句話中，「機器人」是主語，「有」是謂語，「小故障」是賓語。
您可以編輯您的評論a一點點，所以我可以+1。 thx – RetroCoder
@RetroCoder：評論只能在發佈後的幾分鐘內進行編輯，所以我只是刪除了評論。 – ffriend
你可以嘗試一個或多個實體或名稱以及它們與其他物體之間的關係在http://www.ormfoundation.com/對象角色造型看起來在語義（事實）。還有一些工具可將orm模型轉換爲xml和其他語言，反之亦然。見http://orm.sourceforge.net/
你從訓練數據學習分類器應該具有的泛化能力一定相當。如果你使用一個預先構建的詞性標註器，那麼這些動作肯定會經常動詞，非功能動詞很可能是動作。要提高準確性，一件容易的事情就是減輕遠處的特徵。也許未來的兩個詞以及過去的兩個詞的重量是.25，上一個詞和下一個詞的重量是.5，而當前詞的重量是1. –