我使用了StanfordCoreNLP的NER来识别实体，包括组织，位置和人。但是存在一些奇怪的东西。 例如，我输入了一个像＆＃34;克利夫兰骑士＆＃34;它将承认克利夫兰＆＃39;克利夫兰＆＃39;作为＆＃39; location＆＃39;但不是克利夫兰骑士＆＃39;作为组织。 我不是很熟悉，我也不知道NER是如何工作的。我的任务是在文本中获取所有公司名称，我得到的结果不是很令人满意。因此，有两种方法可以解决问题。第一种是修改dict并插入正确的数据。第二是训练模型。但仍有一些问题。
此外，https://nlp.stanford.edu/software/crf-faq.shtml#a上的常见问题列表提出了培训ner模型的方法，但最让我困惑的是如果我训练模型，我会得到什么。
如果我创建一个包含类似
的数据集＆＃34;组织＆＃39;克利夫兰 骑士＆＃39;＆＃34;
训练模型，模型会发生什么？ CRFC分类器内的字典会改变吗？
当我输入“克利夫兰骑士队”时，CRFClassifier会修改错误吗？并认可克利夫兰骑士队＆＃39;作为一个组织实体？
这些都是我的谜题，我正在准备数据集以尝试第二种方式。有人可以回答上面的4个问题吗？ 感谢
答案 0 :(得分：0)
我认为第一个解决方案并不是非常技术性的，每次要标记新公司时，都需要更新字典。 我更喜欢你的第二个解决方案，我之前做过这个，并训练了一个新模型来标记我的句子。 如果你有一个足够大的语料库，它标记得很好，可能需要一些时间训练，但值得努力。