我在问一个相关问题here，但这个问题更为笼统。我带了一个大型语料库并用他们的命名实体注释了一些单词。就我而言，它们是特定于域的，我称之为：实体，动作，事件。我想将它们用作提取更多命名实体的种子。例如，以下是一句话：
当机器人出现技术故障时，物体被抛出但后来被另一个机器人抓住了。
标记为：
当（机器人）/实体出现（技术故障）/事件时， （对象）/实体是（抛出）/操作，但稍后是（已捕获）/操作 （另一个机器人）/实体。
给出这样的例子，无论如何我可以训练分类器来识别新的命名实体吗？例如，给出这样的句子：
纳米机器人有一个虫子，所以它撞到了墙上。
应该标记为：
（nanobot）/ Entity 有一个（bug）/ Incident ，所以（崩溃）/行动进入 （壁）/实体
当然，我知道100％的准确性是不可能的，但我有兴趣知道任何正式的方法来做到这一点。有什么建议吗？
答案 0 :(得分：1)
这根本不是命名实体识别，因为没有标记的部分是名称，因此NER系统的功能集对您没有帮助（英语NER系统倾向于非常依赖大写并且更喜欢名词） 。这是一种信息提取/语义解释。我怀疑这在机器学习设置中会非常困难，因为你的注释确实不一致：
当（机器人）/实体有（技术故障）/事件时，（对象）/实体被（抛出）/动作但后来（被抓住）/动作被另一个机器人。
为什么“另一个机器人”没有注释？
如果你想解决这类问题，你最好从一些正则表达式开始，可能与字符串的POS标记版本匹配。
答案 1 :(得分：0)
我可以想到两种方法。
首先是句子中的模式匹配。像这样的东西（伪代码，虽然它类似于NLTK块解析器语法）：
<some_word>+ (<NN|NNS>) <have|has|had> (<NN|NNS>)
<NN|NNS> (<VB>|was <VB>) (<and|but> (<VB>|was <VB>))* <into|onto|by> (<NN|NNS>)
这两种模式可以（粗略地）捕捉到你的第一句话的两部分。如果你没有太多的句子，这是一个很好的选择。我相信通过精心挑选的模式可以获得高达90％的准确度。缺点是该模型难以扩展/修改。
另一种方法是挖掘句子中单词之间的依赖关系，例如Stanford Dependency Parser。除此之外，它允许挖掘对象，主语和谓词，这看起来与你想要的非常相似：在你的第一句话中，“机器人”是主语，“有”是谓词，“小故障”是对象。
答案 2 :(得分：0)
您可以在http://www.ormfoundation.com/尝试对象角色建模，它会查看一个或多个实体或名称之间的语义（事实）以及它们与其他对象的关系。还有一些工具可以将orm模型转换为xml和其他语言，反之亦然。见http://orm.sourceforge.net/