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。

• Dbpedia Spotlight ，该演示看起来很有希望
• OpenNLP需要培训 。使用哪些训练数据？
• OpenNLP工具
• 斯坦博
• NLTK
• 巴利
• UIMA
• GATE- > 示例代码
• 阿帕奇·马豪（Apache Mahout）
• 斯坦福大学CRF-NER
• 毛伊索引器
• 槌
• 伊利诺伊州命名为Tagger，不是开源的，而是免费的
• 维基百科数据

我的问题：

• 是否有人对上面列出的某些工具及其精度/召回率有经验？或者，如果需要培训数据+可用。
• 是否有文章或教程可供我开始使用每种工具的实体提取（NER）？
• 它们如何与Lucene集成？

以下是与该主题相关的一些问题：

• 是否存在一种算法来帮助检测英语句子的“主要主题”？
• Java命名实体识别库
• 用Java命名实体识别