我正在尝试分析一组短语，我不知道“自然语言处理”究竟是如何帮助我的，或者是否有人可以与我分享他的知识。
目标是提取街道和本地化。通常这种信息不会以结构化的方式呈现给读者，并且很难找到解析它的方法。我有两个主要目标。
首先提取街道本身。据我所知，NLP库可以帮助我标记一个短语并执行一个分析，这将获得名词（例如）。但是街道在哪里开始，它在哪里结束？我假设我需要将该分析与街道数据库进行比较，但我不知道这是最佳方法。
另外，我想减去严重程度，例如车祸。我假设唯一的方法是通过短语中的当前单词来固定一些启发式（例如，如果已故单词出现+ 100）。我是对的吗？
一如既往地感谢！ ：）
答案 0 :(得分：3)
你想要做的第一部分（＆＃34;首先是街道本身的提取。[...]但是街道开始的地方和结束的地方？＆＃34;）是一个子领域NLP称为Named Entity Recognition。有许多库可以做到这一点。我自己喜欢用于Python的NLTK。根据您的选择，我假设街道名称数据库对于训练识别器非常有用，但您可以使用默认语料库获得合理的结果。请阅读NLP库的文档。
第二部分，识别事故严重程度，首先可以视为一个独立的问题。您可以将原始单词或其词性标记作为要素，并在其上训练分类器（SVM，HMM，KNN，您的选择）。你需要一个相当大的，正确标记的训练集;根据你的描述，我不确定你有吗？
＆＃34;我假设唯一的方法是通过短语＆＃34;中的现有单词来建立一些启发式方法。很模糊，可能意味着很多事情。根据下一句话，您可能会认为扫描预定义的关键字列表是唯一的方法。在这种情况下，不，请参阅上面的段落。
一旦您将两个部件都工作，您可以将它们组合起来并计算每条街道的事故数量和严重程度。使用一些地理编码库，您甚至可以推广到社区或城市。另一个挑战是检测同义词（＆＃34; Smith Str＆＃34; vs＆＃34; John Smith Street＆＃34;）和同音异义词（＆＃34; Smith Street＆＃34;伦敦vs＃34; Smith Street＆ ＃34;在利兹）。