有没有办法告诉NLTK某个单词不是专有名词而是名词？

Question

我正在做一些NLP，我发现患者被诊断患有多发性硬化症。

我想用nltk告诉我句子的名词是多发性硬化症。问题是，医生经常将多发性硬化症称为MS，它不会被作为专有名词。

例如，这句话，“他的MS在1999年被诊断出来。”标记为：[('His', 'PRP$'), ('MS', 'NNP'), ('was', 'VBD'), ('diagnosed', 'VBN'), ('in', 'IN'), ('1999', 'CD'), ('.', '.')]

MS应该是这里的名词。有什么建议吗？

Answer 1

总结一下，您有以下选择：

1. 在后期处理中纠正标签 - 有点难看，但又快捷方便。
2. 雇用一个外部的名称实体识别器（斯坦福NER，正如@Bob Dylan已经仔细考虑过的那样） - 这个更为复杂，特别是因为斯坦福NER在java中并不是特别快。
3. 在特定于域的数据上重新绑定POS Tagger（您是否有足够大的带注释数据集来使用它？）
4. 使用 WSD （Word Sense Disambiguation）方法 - 首先，您需要使用一个好的域词典。