Nlp 识别句子中单词的上下文

我创建了分类器来对给定句子中的名词、形容词和命名实体进行分类。我使用大型维基百科数据集进行分类

比如：

亚伯拉罕·林肯出生在哪里

所以分类器会给出这个简短的结果-

word-class

• 哪里-问题
• 亚伯拉罕·林肯-人物、电影、书籍（因为我们可以在所有类别中找到亚伯拉罕·林肯）
• 出生时间

泰坦尼克号是什么时候发布的

• 什么时候提问
• 泰坦尼克号-歌曲、电影、交通工具、游戏（泰坦尼克号） 按所有这些类别分类）

有没有办法确定单词的确切上下文？

请参阅：

词义消歧在这里没有帮助。因为句子中可能没有近义词可以帮助你

带有wordnet或sysnet的Lesk算法也没有帮助。因为假设word

Bank

lesk-algo的行为是这样的

=========测试简单的===========

正在测试简单的_lesk（）。。。 上下文：我去银行存钱

含义：Synset（‘存款机构、金融机构、n.01’）

定义：接受存款并将资金用于贷款活动的金融机构

正在使用POS测试简单的_lesk（）。。。 背景：河岸上满是死鱼

意义：Synset（'bank.n.01'）

定义：坡地（尤其是水体旁的斜坡）

这里的单词

bank

建议为

financial institute

和

sloping land

。而在我的例子中，我已经得到了类似《泰坦尼克号》这样的预测，那么它可以是《电影》或《游戏》

我想知道除了

Lesk-algo

、

baseline-algo

、

传统词义消歧

之外，还有没有其他方法可以帮助我识别哪个类对特定关键字是正确的

---

泰坦尼克号-

感谢您使用

pywsd

。关于wsd，还有很多其他的变体，我在空闲时间自己编写它们。因此，如果您想看到它的改进，请与我一起编写开源工具=）

同时，您会发现以下技术与您的任务更相关，例如：

• 知识库人群（）其中，为标记/文本段分配一个实体，任务是将它们链接起来或解决简化的问答任务

• 知识表示（）

• 知识提取（）

上述技术通常包括以下几个子任务：

• 维基化（）
• 实体链接
• 插槽填充（）

本质上，您需要的是一个用于语言/文本处理的NP完全人工智能系统，因此我认为目前还不存在这样的工具。也许是IBM Watson。

---

如果你在寻找要查看的领域，领域就在那里，但是如果你在寻找工具，很可能维基化工具最接近你可能需要的。（）

如果第一个例子中的“出生”被归类为“时间”，为什么第二个例子中的“释放”没有得到任何分类？@ChthonicProject:谢谢你的评论。这背后的原因是基于特征的分类系统。时间类使用上下文表示时间的实体进行训练，如时间、时间、持续时间、出生等。将

发布的
识别为基于时间的事件是不够智能的。半超智能和非超智能学习系统可能已经识别了它