实体识别类答案

【问题标题】：Class of an entity recognition实体识别类
【发布时间】：2019-11-26 18:44:48
【问题描述】：

我正在尝试使用 Python 使用 nltk 或 spaCy 从 NLP 开始。

我的问题是，如果我有句子，'Barack Obama was the former President of united states'，我如何检索单词president 来提供实体的类？

【问题讨论】：

检索词“总统”的逻辑是什么？您是在检索第 6 个单词，还是第一个以 P 开头的单词，或者第三个以大写字母开头的单词，或者是句子中的第一个名词，还是什么？或者换个说法，例如，结果应该是什么？ “敏捷的棕狐跳过懒狗”?
想要从一个句子中提取这些信息是非常明智的，@zvone——这不是实体识别所做的。（OP标签也到处都是——修复）
您好 zvone，我正在尝试识别一个类与其实体之间的关系并返回该类。如果我有 Fox is an Animal-> 它应该返回 Animal。知道句子可能更复杂。

【解决方案1】：

我如何检索单词president [来自“奥巴马是前总统”] 来提供实体的类？

你不能——至少不能通过实体识别。 实体识别可以告诉你“巴拉克奥巴马”是一个人。要将名称与这句话中给出的某些信息相匹配，您需要类似 relation extract 之类的东西，这是一个更复杂的问题。 nltk 不提供开箱即用的完整解决方案，但可以查看 this nltk how-to 以获取入门工具包（包括代码）。

不要期望非常聪明的表现！这些类型的函数基于简单的启发式（基于链接的示例：假设我们可以在一个句子中识别一个 ORGANIZATION o 和一个 LOCATION l，我们可能想要得出结论 o 位于 @987654327 @)。

【讨论】：

【解决方案2】：

基本上，亚历克西斯是对的。最可靠的方法（我知道也部署在研究中）是参数的依赖解析。然后您可以提取连接动词（was）的关系，以便将“Barack Obama”与“president”联系起来。一种更类似于马尔科夫的方法是 OIE（开放信息提取）。一个在语言上更有趣的现象是这里使用“前”，颠倒了将总统应用于奥巴马的真实条件，但这在您的模型中可能并不重要。

【讨论】：