在自然语言处理中，分块的目的是什么？答案

【问题标题】：In Natural language processing, what is the purpose of chunking?在自然语言处理中，分块的目的是什么？
【发布时间】：2010-12-08 14:36:42
【问题描述】：

在自然语言处理中，分块的目的是什么？

【问题讨论】：

【解决方案1】：

关于自然语言处理中的“文本分块”，请参阅here（您可能希望本系列中的所有讲座都作为一种“NLP 101”...）：它跨越了一系列任务，例如查找名词组，找到动词组，并完成分割句子 -> 几种类型的块。我引用的 URL 的讲座更详细！

【讨论】：

【解决方案2】：

将单词分组为句法相关的短语（块）。注意：IOB 标记可用于指示块边界。

【讨论】：

【解决方案3】：

分块也称为浅解析，它基本上是识别词性和短语（如名词短语）。 Part of speech tagging 告诉您单词是名词、动词、形容词等，但它不会为您提供有关句子结构或句子中短语的任何线索。有时，拥有比词性更多的信息很有用，但您不需要从解析中获得的完整解析树。

Named Entity Recognition 是一个更可取的分块示例。在 NER 中，您的目标是找到命名实体，它们往往是名词短语（尽管并非总是如此），因此您想知道 President Barack Obama 在以下句子中： p>

总统巴拉克奥巴马批评保险公司和银行，因为他敦促支持者向国会施压，以支持他改革医疗保健系统和改革金融监管的举措。 (source)

但你不一定会在意他是句子的主语。

分块也相当普遍地用作其他任务的预处理步骤，例如基于示例的机器翻译、自然语言理解、语音生成等。

【讨论】：