Machine learning 使用NLP查找自定义实体_Machine Learning_Nlp_Artificial Intelligence_Nltk_Stanford Nlp

Machine learning 使用NLP查找自定义实体

machine-learning nlp artificial-intelligence stanford-nlp

Machine learning 使用NLP查找自定义实体,machine-learning,nlp,artificial-intelligence,nltk,stanford-nlp,Machine Learning,Nlp,Artificial Intelligence,Nltk,Stanford Nlp,基本上，从一个段落中，我必须找到两个实体Role和Oragnization 应记录组织及其分支机构的位置，而不是第段中提供的完整地址角色可以在括号内，也可以在括号前同时出现，就像 Org as role（“角色”）角色可以有多个单词例如，该段将是： XXXX，日期为2050年11月10日，其中：（i）代码，一家根据法律注册成立的上市公司其注册办事处位于美国纽约州彭斯大街123号（以下简称“”），（ii）一家注册成立的公共有限公司根据法律规定，其注册办事处位于华盛顿州西雅图曼哈顿大

基本上，从一个段落中，我必须找到两个实体

Role

和

Oragnization

应记录组织及其分支机构的位置，而不是第段中提供的完整地址
角色可以在括号内，也可以在括号前同时出现，就像
```
Org as role（“角色”）
```
角色可以有多个单词

例如，该段将是：

XXXX，日期为2050年11月10日，其中：（i）代码，一家根据法律注册成立的上市公司其注册办事处位于美国纽约州彭斯大街123号（以下简称“

”），（ii）一家注册成立的公共有限公司根据法律规定，其注册办事处位于华盛顿州西雅图曼哈顿大道，地址为

（以下简称 “

”，（iii）担保人，在本协议的一些随机文本中命名，（iv）

，北卡罗来纳州贝尔法斯特分行

，as

（“

”），（v）

，as

，

和

，以及（vi）

德国公司
，as

经过处理后，期望的结果是将角色与组织连接起来
<ROLE1> --> <ORG_NAME_1 PLC>
<ROLE2> --> <ORG_NAME_2 PLC>
<ROLE3> --> <ORG_NAME_3>, N.A., Belfast Branch
<ROLE4>, <ROLE5> and <ROLE6> --> <ORG_NAME_4> 
<ROLE7> --> <ORG_NAME_5> Deutschland AG

我尝试使用PoS、NER，但没有达到预期效果

为NER使用斯坦福NLP，但组织未被正确检测，试图训练我自己的数据，但准确性不够。它不能正确检测所有组织，而是标记为OTHER
。没有调整实际的CRF模型
使用NLTK python并尝试围绕NNP（专有名词）制定一些规则，但有时角色被检测为动词，有时是名词，有时还取决于大小写，所以不确定这是否是理想的方法

段落模式没有太多变化，如果需要的话，我可以发布1到2个不同模式的例子。角色固定在40左右，组织将是动态的
请建议我是否应该读一些具体的论文或模型。谢谢
<ROLE1> --> <ORG_NAME_1> A/S
<ROLE2>, <ROLE3>, <ROLE4>, <ROLE5>, <ROLE6> and <ROLE7> --> <ORG_NAME_2>, N.A., Montreal Branch