如何检索斯坦福nlp模块分类的所有可能的ner_标记类的列表？

我想查看斯坦福nlp将文本分类为的所有可能的ner_标记，如人员、位置、组织、标题等，我在哪里可以找到这些标记，非常感谢任何指针。

来自斯坦福ner docs，：

型号

斯坦福NER包括一个在CoNLL上训练的4级模型 2003年工程训练，7级模型，在MUC 6和MUC 7上进行训练 培训数据集，以及在数据集和 一些附加数据（包括ACE 2002和有限数量的 这些类集的交集上的内部数据）。（a）培训 3类模型的数据不包括来自 CoNLL eng.testa或eng.testb数据集，以及任何MUC 6或7测试 或者devtest数据集，或者Alan Ritter的Twitter NER数据 这些仍然是对其性能的有效测试。）

3类：地点、人员、组织

4类：地点、人员、组织、杂项

7类：地点、人员、组织、资金、百分比、日期、时间

这些模型都使用分布相似性 功能，它提供了一些性能增益，但代价是 增加它们的大小和运行时间。同样的型号也有 缺少这些功能

---

您可能也对以下内容感兴趣：

• 康奈尔2003
• NLTK中的NE标记集

---

这取决于语言、使用的统计模型、是否使用tokensregex细粒度NER等

对于具有默认配置（包括数字NER和SUTime）的英语，您可以获得–加上O顶部提到的12种实体类型，表示非实体：

识别命名（个人、地点、组织、杂项）、数字（货币、数字、序号、百分比）和时间（日期、时间、持续时间、集合）实体

如果添加细粒度令牌SRegex-NER，还可以获得：

死因、城市、国家、刑事指控、电子邮件、意识形态、国籍、宗教、州或省、头衔、URL

---

非常感谢@Christopher Manning，这是非常有用的信息。