有一个实体识别器分类器算法不需要整个文本来训练数据吗？

Question

我想识别我拥有的文本上的一些实体，我发现了很多算法（NaiveBayes、隐藏马尔可夫模型、条件随机场等），但似乎几乎所有的都需要大量的训练数据来对实体进行分类.

我想知道是否有一些算法可以在训练数据中没有文本的情况下识别，但可能只有代表我想要识别的数据的单词，或者可能是一些字符串模式，或者其他方式。

我唯一要避免的是必须将大量文本作为训练数据。

Answer 1

如果您有一份想要查找的命名实体类型的简短列表（通常称为“地名词典”），并且不想手动注释训练数据，则应该研究引导命名实体识别的工作。您可以使用引导程序来扩展地名词典或开发命名实体识别器。我在快速搜索中找到的一些示例方法是以下论文：

• Bootstrapping Multilingual Geographical Gazetteers from Corpora
• Learning a Named Entity Tagger from Gazetteers with the Partial Perceptron
• Bootstrapping Named Entity Recognition with Automatically Generated Gazetteer Lists

还有大量关于命名实体识别的主动学习的研究，如果您决定进行一些手动注释，这可以显着减少需要注释的训练数据量。