自定义NER和POS标记

Question

我正在查看Stanford CoreNLP以了解NER和POS标记。但是如果我想为<title>Nights</title>, <genre>Jazz</genre>, <year>1992</year>这样的实体创建自定义标签该怎么办呢？ CoreNLP在这种情况下有用吗？

Answer 1

CoreNLP开箱即用将限于他们提到的类型：人员，位置，组织，MISC，日期，时间，金钱，号码。不，只是假设它可以“直观地”做到，你将无法识别其他实体：）

在实践中，你必须选择：

1. 查找标记这些类型的其他NER系统
2. 使用基于知识的/无监督的方法解决此标记任务。
3. 搜索包含您想要识别的类型的额外资源（语料库），并重新训练受监督的NER系统（CoreNLP或其他）
4. 构建（并可能注释）您自己的资源 - 然后您必须定义注释方案，规则等 - 这是工作中非常有趣的一部分！

的确，除非您找到满足您需求的现有系统，否则将需要付出一些努力！无监督方法可以帮助您引导系统，以便查看是否需要查找/注释专用语料库。在后一种情况下，最好将数据分离为列车/开发/测试部件，以便能够评估最终系统对看不见的数据执行的程度。

Answer 2

查看此常见问题解答（http://nlp.stanford.edu/software/crf-faq.shtml）以使用CRF分类器来训练新类的模型。您可能会发现它很有用。