5
00
在“检票口”示例中面临的问题称为实体消歧 ，而不是实体提取/识别（NER）。 NER可能有用，但仅当类别足够具体时。大多数NER系统没有足够的粒度来区分运动项目和软件项目（这两种类型均不属于通常公认的类型：人员，组织，位置）。
为了消除歧义，您需要一个针对实体进行歧义消除的知识库。由于DBpedia具有广泛的覆盖范围，因此是一个典型的选择。请参阅我的答案， 如何使用DBPedia从内容中提取标签/关键字？在这里，我提供了更多的解释，并提到了一些消除歧义的工具，包括：
这些工具通常使用诸如REST之类的独立于语言的API，但我不知道它们直接提供了Lucene支持，但是我希望我的回答对您要解决的问题有所帮助。
收藏
百如云• 648
评论 0
您可以使用OpenNLP来提取人员，地点，组织的名称，而无需培训。您只使用可以从此处下载的预先存在的模型： http : //opennlp.sourceforge.net/models-1.5/
有关如何使用这些模型之一的示例，请参见： http : //opennlp.apache.org/documentation/1.5.3/manual/opennlp.html#tools.namefind
收藏
Rosemary Ruskin• 630
评论 
关于我们
常见问题
内容许可
联系我们
0
我目前正在研究从文本（网络上的很多文章）中提取人员姓名，位置，技术用语和类别的选项，然后将其输入到Lucene / ElasticSearch索引中。然后，附加信息将作为元数据添加，并应提高搜索的准确性。
例如，当有人询问“检票口”时，他应该能够决定他是指板球运动还是阿帕奇项目。到目前为止，我尝试自己实施此方法，但收效甚微。现在，我找到了很多工具，但不确定这些工具是否适合该任务，哪些工具可以很好地与Lucene集成，或者不确定实体提取的精度是否足够高。
我的问题：
以下是与该主题相关的一些问题：