openNLP中的NER无案例训练模型

我想训练用于提取人名的模型（NER系统的一部分），但我想使该模型无大小写（我的意思是该模型不会考虑字母大小写，大写字母和小写字母之间没有区别），因为我有嘈杂的文本

---

那么，在训练步骤中是否有任何参数可以做到这一点，或者有任何其他方法？

如果必须使用OpenNLP，我想您可以在无案例训练数据上训练新模型。在训练新模型之前，只需获取任何可用的现有训练数据（带有适当的注释等），并将所有内容小写即可

或者，如果您可以使用斯坦福NER而不是OpenNLP，您可以使用斯坦福NER预先培训的无案例英语模型：

---

无论您走哪条路，请记住，使用无壳模型都会降低精度。

斯坦福大学NER对无壳模型使用了什么，我用openNLP训练的无案例模型无法与斯坦福的无案例模型相比。stanford-NER在人名提取方面给出了非常好的结果。stanford-NER的无大小写模型只是3个常规英语stanford-NER模型的无大小写（即小写）版本：一个为CoNLL训练的4类模型，一个为MUC训练的7类模型，以及一个在两个数据集的交集上训练的3类模型。你可以在这里下载无壳模型：我已经试过了，但我想知道为什么斯坦福NER的结果比openNLP NER好得多，我的意思是它们之间的主要区别是什么？非常感谢@Charlie的帮助。斯坦福NLP组程序员、算法和培训数据优于OpenNLP的程序员、算法和培训数据。：）