有，做了實體識別分類算法並不需要整個文本的訓練數據？

Question

我想認識上，我有一些文本實體和我發現了很多的算法（NaiveBayes，隱馬爾可夫模型，條件隨機場等），但目前看來，幾乎都需要一個巨大的訓練數據的實體分類。

我想知道是否有一些算法，可以無需在訓練數據文本識別，但也許只有代表我想識別數據，或者一些字符串模式，或另一種方式的話。

我想避免的唯一的事情是具有巨大的文本作爲訓練數據的必要性。

Answer 1

如果你有一個你想查找的命名實體類型的簡短列表（通常稱爲「地名詞典」），並且不希望手動註釋訓練數據，你應該研究引導命名實體識別的工作。您可以使用引導來擴展地名詞典或開發命名實體識別器。一些示例方法我在快速搜索中發現有下列材料：

• Bootstrapping Multilingual Geographical Gazetteers from Corpora
• Learning a Named Entity Tagger from Gazetteers with the Partial Perceptron
• Bootstrapping Named Entity Recognition with Automatically Generated Gazetteer Lists

有也一直在主動學習命名實體識別的研究有相當數量，它可以顯著減少需要，如果你決定做一些手工標註要進行註釋的訓練數據量。