Question

我现在正在使用一些NLP库，（stanford和nltk）斯坦福我看过演示部分，但只是想问一下是否有可能用它来识别更多的实体类型。

因此，目前stanford NER系统（如演示所示）可以将实体识别为人（姓名），组织或位置。但被认可的组织仅限于大学或一些大型组织。我想知道我是否可以使用它的API为更多实体类型编写程序，例如，如果我的输入是“Apple”或“Square”，它可以将其识别为公司。

我是否必须制作自己的训练数据集？

此外，如果我想提取实体及其彼此之间的关系，我觉得我应该使用stanford依赖解析器。我的意思是，首先提取命名实体和标记为“名词”的其他部分，并找出它们之间的关系。

我是否正确。

感谢。

Answer 1

是的，您需要自己的训练集。经过预先训练的斯坦福模型只识别“Stanford”这个词作为命名实体，因为他们已经接受了有关该词的数据的训练（或根据他们使用的特征集非常相似的词，我不知道那是什么）标记为命名实体。

获得更多数据后，需要将其设置为this question和斯坦福教程中描述的正确格式。

Answer 2

您可以轻松训练自己的数据语料库。

在斯坦福NER常见问题中，第一个问题是如何训练我们自己的NER模型

链接为http://nlp.stanford.edu/software/crf-faq.shtml

例如，你可以提供像

这样的训练数据

产品OBJ
O 微软ORG

同样，您可以构建自己的训练数据并构建模型，然后使用它来获得所需的输出

Answer 3

似乎你想训练你的自定义NER模型。

以下是完整代码的详细教程：

https://dataturks.com/blog/stanford-core-nlp-ner-training-java-example.php?s=so

培训数据格式

训练数据作为文本文件传递，其中每一行是一个单词 - 标签对。行中的每个单词都应以“word \ tLABEL”之类的格式标记，单词和标签名称由制表符'\ t'分隔。对于文本句子，我们应该将其分解为单词，并为训练文件中的每个单词添加一行。要标记下一行的开头，我们在训练文件中添加一个空行。

以下是输入培训文件的示例：

hp  Brand
spectre ModelName
x360    ModelName

home    Category
theater Category
system  0

horizon ModelName
zero    ModelName
dawn    ModelName
ps4 0

根据您的域，您可以自动或手动构建此类数据集。手动构建这样的数据集可能非常痛苦，像NER注释工具这样的工具可以帮助简化流程。

训练模型

public void trainAndWrite(String modelOutPath, String prop, String trainingFilepath) {
   Properties props = StringUtils.propFileToProperties(prop);
   props.setProperty("serializeTo", modelOutPath);

   //if input use that, else use from properties file.
   if (trainingFilepath != null) {
       props.setProperty("trainFile", trainingFilepath);
   }

   SeqClassifierFlags flags = new SeqClassifierFlags(props);
   CRFClassifier<CoreLabel> crf = new CRFClassifier<>(flags);
   crf.train();

   crf.serializeClassifier(modelOutPath);
}

使用该模型生成代码：

public void doTagging(CRFClassifier model, String input) {
    input = input.trim();
    System.out.println(input + "=>"  +  model.classifyToString(input));
}

希望这有帮助。

是否有可能训练斯坦福NER系统识别更多命名的实体类型？

3 个答案: