Question

我正在尝试使用nltk从句子中识别人，组织和地点。

我的用例主要是从年度财务报告中提取审计师的姓名，组织和地点

在python中使用nltk时，结果似乎并不令人满意

import nltk
from nltk.tokenize import word_tokenize
from nltk.tag import pos_tag

ex='Alastair John Richard Nuttall (Senior statutory auditor) for and on behalf of Ernst & Young LLP (Statutory auditor) Leeds'

ne_tree = ne_chunk(pos_tag(word_tokenize(ex)))

print(ne_tree)

Tree('S', [Tree('PERSON', [('Alastair', 'NNP')]), Tree('PERSON', [('John', 'NNP'), ('Richard', 'NNP'), ('Nuttall', 'NNP')]), ('(', '('), Tree('ORGANIZATION', [('Senior', 'NNP')]), ('statutory', 'NNP'), ('auditor', 'NN'), (')', ')'), ('for', 'IN'), ('and', 'CC'), ('on', 'IN'), ('behalf', 'NN'), ('of', 'IN'), Tree('GPE', [('Ernst', 'NNP')]), ('&', 'CC'), Tree('PERSON', [('Young', 'NNP'), ('LLP', 'NNP')]), ('(', '('), ('Statutory', 'NNP'), ('auditor', 'NN'), (')', ')'), ('Leeds', 'NNS')])

如上所示，“利兹”未被标识为地方，安永会计师事务所也未被确认为组织

是否有更好的方法可以在Python中实现？

Answer 1

尝试使用spacy代替NLTK：

https://spacy.io/usage/linguistic-features#named-entities

我认为spacy的预训练模型可能会表现更好。您的句子的结果（带有spacy 2.1，en_core_web_lg）为：

Alastair John Richard Nuttall PERSON
  安永律师事务所ORG
  利兹GPE

使用NLTK命名实体识别：提取审核员姓名，地址和组织

1 个答案: