Nlp 从文本中提取位置的方法？

从自由文本中提取位置的推荐方法是什么

我能想到的是使用regex规则，比如“单词……在位置”。但还有比这更好的方法吗

我还可以考虑使用一个包含国家和城市名称的查找哈希表，然后将从文本中提取的每个标记与哈希表的标记进行比较

有人知道更好的方法吗

---

编辑：我试图从tweets文本中提取位置。因此，大量tweet的问题也可能会影响我对方法的选择。

将所有有效位置放入排序列表中。如果计划比较不区分大小写，请确保列表的大小写已经规范化

然后，您所要做的就是循环输入文本中的单个“单词”，并在每个新词的开头，在位置列表中启动新的二进制搜索。一旦你发现一个不匹配的词，你可以跳过整个词，继续下一个

可能的问题：多词位置，如“纽约”、“第三街”、“中华人民共和国”。不过，如果你发现你的B搜索会导致（可能的！）多个单词的结果，那么可能只需要保存第一个新词的位置。然后，如果完全比较失败——可能是几个字之后——你所要做的就是回到这个“下一个”字，相对于你开始的前一个字

---

至于“单词”是什么：在准备位置列表时，列出可能出现在位置中的所有字符。只有包含此列表中字符的短语才能被视为有效的“单词”。

所有基于规则的方法都将失败（如果您的文本确实是“免费的”）。这包括正则表达式、上下文无关语法、任何类型的查找。。。相信我，我以前去过那里：-）

此问题称为命名实体识别。地点是三个学习最多的课程之一（包括个人和组织）。斯坦福NLP有一个非常强大的开源Java实现：

---

您可以很容易地找到其他编程语言的实现。

推文的速度有多快？就像在twitter上一样，是完整的消防水管还是一些过滤查询？ 一种更复杂的方法，类似于您所描述的，是使用集成到地名录的NLP工具。 很少有NLP工具能跟上twitter的速度，也很少有工具能很好地使用twitter，因为所有的leet语言。NLP可以根据您的需要调整精度或召回率，以限制在地名录中执行锁定。

---

我建议查看（也可以通过Amazon AWS）和

另一个可能的问题可能是多词位置的第一部分可能是位置本身。例如，“柏林”和“柏林高地”，我试图从推文中提取位置。考虑到每秒推文的数量很高，我想这会减慢速度。是吗？不是。训练很慢而且占用内存，但在运行时这是非常有效的。