Machine learning 如何使用NLP库从报纸文章中提取信息？

我正在做大学最后一年的项目，我的任务是从包含犯罪的新闻中提取因果关系。我还需要提取犯罪地点。我使用OPENNLP名称实体识别器提取位置。我训练了一个地点名称模型，到目前为止，它在我的场景中运行良好。现在我正在寻找一些东西（一种方法或一个图书馆）来提取因果关系。这是我正在使用的一条新闻的快照，粗体和斜体文本是我想要提取的。需要像OPENNLP一样的库的帮助，或者任何对我有用的东西来执行此任务

新闻1：

卡拉奇：周一，该市至少有12人被枪杀，其中两人 显然在宗派袭击中丧生，另一名受害者是Muttahida Qaumi 运动活动家

新闻2：

卡拉奇：据《地理新闻》报道，警方周二在Gulistan-e-Jauhar和旅区的不同突袭行动中逮捕了三名被告

新闻3：

卡拉奇：据《地理新闻》报道，周一，在巴尔迪亚镇一户人家的房子里发现五名成员死亡

新闻4：

卡拉奇：据《地理新闻》报道，信德省游骑兵昨晚在该市继续进行有针对性的行动，围捕了8名职业罪犯，并从他们手中收缴了武器

---

您可以使用解析器、chunker或词性标记器来识别动词短语和名词短语，从而找出因果关系。这可以通过提取连续的动词和名词短语来实现。 这就是如何使用解析器，它将为您提供完整的句子结构，您需要下载解析器模型

使用这门课（我把你的一句话放进课堂）

输出如下所示（保存在stringbuffer中）

（上）（卡拉奇）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下星期一）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下）（下))（民进党（民进党）（民进党（民进党）（民进党）（民进党）（民进党运动）（民进党）（民进党运动））民进党（民进党（民进党）（民进党运动）（民进党）民进党（民进党）民进党（民进党）民进党（民进党）民进党（民进党）民进党（民进党运动）（民进党）

请注意，您正在寻找的因果关系是一个名词-动词组合，位于一个命名实体（卡拉奇）之后。通过一些修补，你可能会得到一些不错的结果

---

编辑：我只是想说清楚，我写的是一个建议，建议你尽快做点什么，你应该看看一些语言启发法，并确保你想要的是真正的因果关系，而不仅仅是事件提取，你可以通过训练一个NER模型来实现这一点。

非常感谢，让我通过一些新闻检查一下，然后再回到美国。我已经训练了一个OPENNLP NER模型，其中有40条新闻，比如奎达。据《地理新闻》报道，周二，一所房子里泄漏的Sui气体导致爆炸，导致两名未成年人死亡，另外三人受伤。然后我把这个模型用于一个看不见的新闻，它开始给出我想要的输出。。。你说这是一个好方法吗？我的意思是我通过更多的新闻来训练它，我想高达300它的准确性会更好。看起来不错（有趣的分类法），只要你训练足够，它会尽最大努力给你你需要的。

public class ParseMap {

  public static void main(String[] args) throws InvalidFormatException, IOException {

    InputStream is = new FileInputStream("c:\\temp\\opennlpmodels\\en-parser-chunking.bin");
    ParserModel model = new ParserModel(is);
    is.close();
    Parser parser = ParserFactory.create(model);
    String sentence = "KARACHI: At least 12 people were gunned down in the city on Monday, two of them apparently killed in sectarian attacks and one of the other victims a Muttahida Qaumi Movement activist.";
    Parse topParses[] = ParserTool.parseLine(sentence, parser, 1);
    Parse p = topParses[0];
    p.showCodeTree();
    StringBuffer sb = new StringBuffer(sentence.length()*4);
    p.show(sb);
    System.out.println(sb);
  }
}