我最近开始使用NLTK查看数据提取。虽然有几个用于检测“真实”名称，位置等的示例和技术。我还没有找到一种有效的方法来检测“组成”或“虚构”名称。示例字符串将是：
他的名字是wuzzywugg，他有一只名叫fizzbuzz的狗
我想训练NLTK以便能够检测到“wuzzywugg”和“fizzbuzz”是角色的名字。看到一些依赖于以大写字母开头的单词的解决方案，但这感觉非常“hacky” 并且容易出错和误报。
如何解决此问题的任何帮助将不胜感激。提前谢谢。
答案 0 :(得分：0)
我在处理俄罗斯民间故事时遇到了同样的问题，事实证明他们的大部分名字都没有出现在西部的Gazeteers。快速方法可能是使用词性标签并仅获得NNP（专有名词）。检查一下：http://www.nltk.org/book/ch05.html
这对我来说完全不起作用，我的方法包括实际提取所有名词短语（来自解析树的NP节点），然后提取我自己注释的特征向量以构建ML分类器。您可以在此处找到更多信息：http://ieeexplore.ieee.org/document/7489041/