Java 使用Stanford NER从文本文档中提取地址？

我正在寻找斯坦福大学，并考虑使用JavaAPI it从文本文档中提取邮政地址。该文件可以是有邮政地址部分的任何文件，例如水电费账单、电费账单

所以我认为，作为一种方法

使用位置和其他原语命名实体将邮政地址定义为命名实体

定义分段和其他子流程

---

我试图找到一个同样的示例管道（需要哪些详细步骤），以前有人这样做过吗？欢迎您提出建议。

请澄清：所有的功劳都归Raj Vardhan（和John Bauer）所有，他们在邮件列表上有过互动

拉吉·瓦尔丹（Raj Vardhan）写到了“在一句话中找到街道地址”的工作计划：

以下是我想到的一种方法：

在句子中找到事件锚

从该事件节点选择SemanticGraph中的传出边 具有诸如*“prep in”或“prep at”之类的关系

如果关系中的依赖值的POS标记为NNP

a） 从从属值的节点查找具有以下关系的传出边 作为“nn”

b） 按事件中出现的递增顺序连接所有此类节点 判决

c） 将结果值打印为事件发生的位置

这显然与某些假设有关，例如直接依赖性 在事件锚和句子中的位置之间

---

我不确定这是否能帮到你，但我想提一下以防万一。同样，任何信用都应该归Raj Vardhan（和John Bauer）所有。

你有文本地址培训集吗？@GaborAngeli是的，我有一个国家的文本地址，但没有正确标记zip、city、addressline1、addressline2。在这种情况下，我的建议是收集一个文本地址数据集，然后训练一些类似斯坦福大学的系统。或者，结合斯坦福大学的NER和TokensRegexNER，构建一些基于规则的启发式系统。@GaborAngeli我喜欢在文本中标记地址的想法。我现在的问题是，我是否应该将地址分成多个部分，例如{city，zip，line1，line 2}，然后根据现有已定义的命名实体位置定义一个复合实体，或者将地址定义为具有某种结构的新实体？有什么建议吗？我想你只有把地址分成不同的部分才能赢；根据地址的结构，它为序列模型的隐藏状态提供了更多的解决方法，并允许每个类处理更窄范围的字。如果没有其他方法，您可以轻松地折叠状态并进行尝试。另一方面，它也需要更多的注释工作，而且很可能不会有很大的不同。你打算标记多少个句子？谢谢。我也要尝试一下，但是如果位置分布在多条直线上，分割就会变得有点棘手。我会更新我的发现。@yadab你是怎么做的？我希望做一些类似的事情，不想重新发明轮子。