是否可以训练Stanford NER系统以识别更多命名实体类型？- AskGo

是否可以训练Stanford NER系统以识别更多命名实体类型？

named-entity-recognition

nlp

stanford-nlp

我现在正在使用一些NLP库（stanford和nltk）Stanford，我看到了演示部分，但只是想问问是否有可能使用它来标识更多的实体类型。

因此，当前斯坦福NER系统（如演示所示）可以将实体识别为人（名称），组织或位置。但是公认的组织仅限于大学或一些大型组织。我想知道是否可以使用其API编写用于更多实体类型的程序，例如，如果我输入的是“ Apple”或“ Square”，它可以将其识别为公司。

我是否需要建立自己的训练数据集？

此外，如果我想提取实体及其之间的关系，我觉得我应该使用stanford依赖解析器。我的意思是，首先提取命名实体和其他标记为“名词”的部分，然后找到它们之间的关系。

我对么。

谢谢。

参考资料：

Stack Overflow

2020-06-04 12:36:35 更新

笪高达• 676

共 3 个回答

高赞时间活跃

似乎您想训练您的自定义NER模型。

这是带有完整代码的详细教程：

https://dataturks.com/blog/stanford-core-nlp-ner-training-java-example.php?s=so

训练数据格式

训练数据作为文本文件传递，其中每一行都是一对单词标签。该行中的每个单词都应以“ word \ tLABEL”之类的格式标记，该单词和标签名称由制表符'\ t'分隔。对于文本句子，我们应该将其分解为单词，然后在训练文件中为每个单词添加一行。为了标记下一行的开始，我们在训练文件中添加一个空行。

这是输入训练文件的示例：

hp  Brand
spectre ModelName
x360    ModelName

home    Category
theater Category
system  0

horizon ModelName
zero    ModelName
dawn    ModelName
ps4 0

根据您的域，您可以自动或手动构建此类数据集。手动建立这样的数据集可能非常痛苦，像NER注释工具之类的工具可以使过程变得更加容易。

火车模型

public void trainAndWrite(String modelOutPath, String prop, String trainingFilepath) {
   Properties props = StringUtils.propFileToProperties(prop);
   props.setProperty("serializeTo", modelOutPath);

   //if input use that, else use from properties file.
   if (trainingFilepath != null) {
       props.setProperty("trainFile", trainingFilepath);
   }

   SeqClassifierFlags flags = new SeqClassifierFlags(props);
   CRFClassifier<CoreLabel> crf = new CRFClassifier<>(flags);
   crf.train();

   crf.serializeClassifier(modelOutPath);
}

使用模型生成标签：

public void doTagging(CRFClassifier model, String input) {
    input = input.trim();
    System.out.println(input + "=>"  +  model.classifyToString(input));
}

希望这可以帮助。

2020-06-04 12:38:06 更新