使用Python从个人Gazetter命名实体识别

Question

我尝试使用NLTK在python中进行命名实体识别。 我想提取个人技能清单。 我有技能清单，并希望在申请中搜索并标记技能。 我注意到NLTK的预定标签有人物，位置等的NER标签。 我可以使用Python中的外部gazetter标记器吗？ 任何想法如何比搜索术语更复杂（有时多词术语）？

谢谢， 阿萨弗

Answer 1

我最近没有使用过NLTK，但是如果你知道的是技能，你就不需要做NER-只需要进行文本搜索。

也许使用Lucene或其他搜索库来查找文本，然后对其进行注释？这是很多工作，但如果你正在使用可能没问题的大量数据。或者，您可以将正则表达式搜索混合在一起，这种搜索速度较慢，但​​对于较少量的数据可能正常工作，并且更容易实现。

Answer 2

看看RegexpTagger并最终RegexpParser，我认为这正是您所寻找的。

您可以创建自己的POS标签，即。将技能映射到标签，然后轻松定义语法。

标记器的一些示例代码是in this pdf。