Nlp 从非结构化文本中提取人名

我收集了账单和发票，因此文本中没有上下文（我的意思是它们没有讲故事）。 我想从那些账单中提取人们的名字。 我尝试了OpenNLP，但训练模型的质量不好，因为我没有上下文。 所以第一个问题是：我可以训练模型只包含人名而不包含上下文吗？如果可能的话，你能给我一篇关于如何构建新模型的好文章吗（我读的大部分文章没有解释构建新模型应该采取的步骤）

我有超过100000个人名（名字、姓氏）的数据库名，因此，如果NER系统在我的情况下不起作用（因为没有上下文），那么搜索这些候选人的最佳方法是什么（我指的是用所有其他姓氏搜索每个名字？）

谢谢。

关于“上下文”，我想你的意思是你没有完整的句子，也就是说，没有上一个/下一个标记，在这种情况下，你会面临相当不标准的NER。我不知道这个特定问题的可用软件或培训数据，如果您没有发现，您将不得不为培训和/或评估目的构建自己的语料库

您的姓名数据库可能会有很大帮助，具体取决于数据库中实际存在的票据姓名比例。您可能还必须依赖于名称的字符级形态，例如模式（参见[1]中的实例模式）。一旦你有了一个具有特征（存在于数据库中、形态学、票据的其他信息）和解决方案（带注释票据的实际名称）的训练集，使用标准机器学习作为SVM将非常简单（如果你不熟悉这一点，请提问）

其他一些建议：

• 你很可能也会用到其他账单的信息：公司名称、职位、税务信息等
• 您也可以有选择地进行操作-如果所有账单都应提及（确切地说？）一个人的姓名，您可以排除所有其他文本（例如金额、税名、头寸等），或者在专用模型中假设，在账单中的所有文本中，只有一个应被猜测为姓名

---

[1] 命名实体提取的排序算法：Boosting和投票感知器（Michael Collins，2002）

我将从一些正则表达式开始，然后可能使用基于词典的方法（即，大名单名称）对其进行扩充

---

无论你做什么，它都不是完美的，所以一定要记住这一点。

嗨，你是如何解决这个问题的？我正在尝试做类似的任务，根据一个小的描述来识别对象，并尝试提取属性。描述为自由/小文本，带有。示例：内径20mm，外径30mm的滚珠轴承，。。