Question

我们要求从非结构化文档类型（例如，发票）中提取人员，位置和组织等专有名词。

我们尝试了下面的事情：

使用Stanford NER分类器提取数据。与其他分类器相比，7类分类器提供了更好的结果，但实现的准确性太低了。
根据建议，我们尝试将无壳分类器用于非结构化文档类型，准确度略高于早期，但仍然不够好。
我们尝试使用斯坦福NER功能训练模型，但这意味着像其他人一样训练非名词实体。
因此，为了避免像其他人一样训练非名词实体，我们决定使用斯坦福核心NLP Regexner功能训练我们自己的数据模型。但是，一些受过训练的实体被标记为其他实体。例如。在某些情况下，被培训为地点的意大利被标记为其他人。请帮忙。

示例输入：

Sham Ventures
Unit no. 1833, Burj Tower
Plot No. 12 A
Sheikh Zayed Street
P.O.Box 486095
Dubai - U.A.E.
Tel. : +971-4-XXXXXX
Fax : +971-4-XXXXXXX
APPLICATION FOR COLLECTION OF BILLS
DATE: MARCH 14, 2015
TO: TEST BANK 
    DUBAI, UAE
    ATTN: BILLS DEPARTMENT
COLLECTING BANK
DUMMY BANK LIMITED
PLOT 455 Park Avenue Street
P.O.Box 1234
Lagos, Nigeria
TENOR OF DRAFT
60 DAYS FROM B/L DATE MARCH 14, 2015
AMOUNT OF DRAFT
US$90,450.00(US DOLLARS NINETY THOUSAND FOUR HUNDRED FIFTY ONLY)
NAME & ADDRESS OF DRAWER
Sham Ventures
Unit no. 1833, Burj Tower
Plot No. 12 A
Sheikh Zayed Street
P.O.Box 486095
Dubai - U.A.E.
NAME & ADDRESS OF DRAWEE(Buyer)
SUNSHINE MERCANTILE CO LIMITED
PLOT NO. 456 Park Avenue Street
Lagos, Nigeria
PLEASE FOLLOW INSTRUCTIONS MARKED X
DELIVER DOCUMENTS AGAINST PAYMENT ACCEPTANCE
NON-PAYMENT PROTEST NO PRTEST ADVISE BY MAIL ADVISE BY CABLE
INTEREST AT 6% PER ANNUM FROM B/L DATE MARCH 15,2015 to JULY 16, 2015
DO NOT SEND CHASERS FOR NON-ACCEPTANCE OR NON PAYMENT
PLEASE CONTACT AKBAR AT TELEPHONE NO. +971XXXXXXXX FOR INSTRUCTIONS, STAMP & AUTHORISED SIGNATORY(S)
ENQUIRY REGARDING THESE DRAFTS AND OR DOCUMENTS

我们希望能够提取以下专有名词：组织 - Sham Ventures，TEST BANK，DUMMY BANK LIMITED，SUNSHINE MERCANTILE CO LIMITED

地点 - 迪拜，U.A.E，阿联酋，拉各斯，尼日利亚

人 - AKBAR

使用斯坦福NER 7级无壳模型提取的输出如下：

位置 - 迪拜，拉各斯，尼日利亚组织 - 阿联酋U.A.E

因此，我们训练了误报和漏报（跟随数据）以提高实体提取的准确性：

假阴性 -

组织 - Sham Ventures，TEST BANK，DUMMY BANK LIMITED，SUNSHINE MERCANTILE CO LIMITED

人 - AKBAR

误报 -

地点 - 阿联酋U.A.E。

训练数据后的输出 -

与人AKBAR

组织 - DUMMY BANK LIMITED，Sham Ventures，SUNSHINE MERCANTILE CO LIMITED，TEST BANK

位置-U.A.E，阿联酋，拉各斯，尼日利亚，美国

在这里，结果中缺少迪拜。

由于这种情况，具有大量专有名词的文档的合成精度很低

我们也看到很多误报，例如，

输入，

您诚挚的博世包装服务公司

输出

组织 - 您诚挚的博世包装服务公司

此外，几乎所有缩写都标记为使用斯坦福的组织。

有没有办法处理这种误报，以便我们只获得所需的输出？

请建议。

提前致谢。

ARTI

使用Stanford NLP Regexner功能

0 个答案: