身份证明文件中的命名实体识别

Question

我正在尝试对诸如驾照之类的文档中的文本执行命名实体识别（NER）。我们已经从文档中提取了文本。我们的目的是找到名称，地址，国家/地区，文件编号等文字。

用于NER的python库NLTK和Spacy无法正常工作，因为没有句子可以理解上下文。 培训NLTK / Spacy是否有效？ 正则表达式模式匹配对实体提取有多好？

下面是提取实体的示例，

1）“乔治·华盛顿”-被标识为名字

2）“华盛顿特区笔尖大街1600号20500”-要标识为地址

下面是没有标签或部分的示例许可证，

Answer 1

我认为您不需要使用任何已有的结构化数据， 意味着数据已经被提取，名称将在名称部分，许可证号将在许可证号部分，即使您在提取名称之后加上计划文本，名称之后也会是名称等，也许我不了解这种情况。

选项A：如果您使用正则表达式，则在格式严格的情况下，您将确定提取的数据是正确的，那么正则表达式是不错的选择， 选项B：使用spaCy或nltk可以完成相同的操作，但是并不能保证数据的正确性和正确性，