使用NER从网页中提取信息

Question

我的任务是从特定网站的各种网页中提取信息。现在，要提取的信息可以是产品名称，产品ID，价格等形式。信息使用自然语言以文本形式给出。此外，我被要求使用一些机器学习算法提取该信息。我想过使用NER（命名实体识别）并对自定义训练数据进行训练（我可以使用抓取的数据进行准备，并根据需要手动标记整数/数据）。我想知道模型是否可以这样工作？

另外，如果我能进一步改进这个问题，请告诉我。

Answer 1

您说特定网站。我假设这意味着你对网页的结构有一些了解，如果数据是表格形式或自由文本形式，网站通常看起来如何。在这种情况下，一些简单的正则表达式（价格，ids等）由一些POS标签支持提取产品名称，所有这些都足够了。监督方法肯定是一种矫枉过正的方法，可能比简单的正则表达方式表现不佳。