如何在NLP框架中执行段落边界检测？

我正在努力从英文报纸上出现的各种广告中提取人名

然而，我注意到，在提取广告中出现的名称之前，我需要识别广告的边界，因为我只需要提取第一个出现的名称。我成功地提取了名字。但我在确定段落边界时遇到了麻烦

---

有没有办法确定段落边界

这是一个难题，我们的一个项目也面临同样的问题。有一些理论论文帮助详细定义了问题的范围和潜在的解决方案。我会把它们包括在下面

我们仍在研发过程中，因此目前还没有太多答案，但我们愿意随着时间的推移分享我们的成果和发现

这里有一份这样的文件：

以下是他们使用的ISCIBoost代码的github链接：

---

你的问题有点含糊。你在寻找结构线索吗？语言线索？请从你的语料库中摘录一段。这里有一个小样本：讣告。威廉·H·布朗内尔将军。Gonoral William H.BrowncU dlod准将在过去几天患病后的第三天下午，在布鲁克林Ponn-st.258号他的Born。他的死因是肺炎。何鸿燊去世后，在tho-tlmo的tho Stato军械部担任Ordnac的助理Chiof，军衔为上校。乔治·蒂克诺·柯蒂斯（GEORGE TICKNOR CURTIS，JR.）乔治·特克诺·柯蒂斯（GEORGE Tlcknor CURTIS，JR.）昨天在费城去世，他是著名作家、正义故事的孙子。一年多以来，他一直身体不好。你的语料库似乎很吵。我猜这是OCR系统的输出。。。一个正则表达式来匹配大写字符的子字符串怎么样？也许你也可以使用专有名词词典来过滤掉不需要的大小写……好吧，不同功能的组合可能是解决方案，例如，字符大小写、与词典中的专有名词匹配、候选段落长度等等。您可以基于这些功能构建规则。最终，您将使用一种机器学习方法，使用更多功能和一些训练数据（手动分割段落）。如果您不熟悉ML，请尝试一下Weka（它很容易使用）。