有一个实体识别器分类器算法，不需要整个文本来训练数据？

Question

我想识别我所拥有的文本上的一些实体，并且我发现了许多算法（NaiveBayes，隐马尔可夫模型，条件随机场等），但似乎几乎所有算法都需要大量的训练数据来对实体进行分类

我想知道是否有一些算法可以在训练数据中没有文本的情况下识别，但可能只有代表我想要识别的数据的单词，或者某些字符串模式或其他方式。

我唯一想避免的是将大量文本作为训练数据的必要性。

Answer 1

如果你有一个你想要找到的命名实体的简短列表（通常称为“地名词典”）并且不想手动注释训练数据，你应该研究引导命名实体识别的工作。您可以使用bootstrapping来扩展地名词典或开发命名实体识别器。我在快速搜索中找到的一些示例方法是以下文章：

• Bootstrapping Multilingual Geographical Gazetteers from Corpora
• Learning a Named Entity Tagger from Gazetteers with the Partial Perceptron
• Bootstrapping Named Entity Recognition with Automatically Generated Gazetteer Lists

对于命名实体识别的主动学习也有相当多的研究，如果你决定做一些手动注释，它可以显着减少需要注释的训练数据量。