如何实现词性 (POS) 标注器

Question

我正在寻找基于 PHP 的最佳方式来扫描大量文本条目（分类广告）并提取关键字 - 有人知道词性标记吗？有没有类似 PHP 的方法来做到这一点？

我扫描了很多在线分类广告 - 但没有一个分类！为了加快分类过程，我希望安装一个词性标注器 (http://en.wikipedia.org/wiki/Part-of-speech_tagging)。基本上，这些都是很酷的文本解析算法软件包，可以告诉我哪些词是名词（如“Apartment”、“Car”、“Dog”等）以及哪些词是垃圾，例如 at、if、and、but 等.但是...

有一些在线标签服务——雅虎提供的一种服务，如今似乎越来越少了人们的喜爱——施乐提供了另一种服务。不过，我真的很想安装我自己的库/软件并将其插入我的网络应用程序。

有人知道安装与 PHP Web 应用程序一起使用的 POS 标记的好方法吗？我很想弄清楚这一点，因此非常感谢您提供的任何信息、建议或其他智慧！

这里列出了许多不同的 POS 软件： http://www-nlp.stanford.edu/links/statnlp.html#Taggers （查看“POS 标记”）

感谢您阅读本文！

Answer 1

是的，我目前正在使用 Brill 标记器。它在某种程度上有效，尽管我希望我能弄清楚如何为其规则集做出贡献。它犯了很多错误，但仍然提供了大约 85% 的准确数据。我唯一的问题是它很慢！

它在重要的地方，在具有双重含义的单词上，它是正确的 - 但是，有许多约定无法解释，例如对比连词从句，例如，我可能会对某人说一些负面的话，但在逗号之后，说一些将极性反转为正极，或不反转。电脑看不到成语。

Answer 2

Ian Barber 用 PHP 实现了一个 Brill Tagger，他在他的 PHP/ir 网站上展示了它，并描述了使用它来分析推文。