Python 3.x 在Python中使用NLTK提取多单词命名实体

我正在尝试使用Stanford NER从文本中提取命名实体。我已经阅读了所有关于分块的相关文章，但没有找到任何解决问题的方法

输入：

联合国正在美利坚合众国举行会议

预期产出：

联合国/联合国组织

美利坚合众国/地点

我能够获得此输出，但它不能为多个工作命名实体组合标记：

[('The', 'O'), ('united', 'ORGANIZATION'), ('nations', 'ORGANIZATION'), ('is', 'O'), ('holding', 'O'), ('a', 'O'), ('meeting', 'O'), ('in', 'O'), ('the', 'O'), ('united', 'LOCATION'), ('states', 'LOCATION'), ('of', 'LOCATION'), ('America', 'LOCATION'), ('.', 'O')]

或以树格式：

(S
  The/O
  united/ORGANIZATION
  nations/ORGANIZATION
  is/O
  holding/O
  a/O
  meeting/O
  in/O
  the/O
  united/LOCATION
  states/LOCATION
  of/LOCATION
  America/LOCATION
  ./O)

我正在寻找以下输出：

[('The', 'O'), ('united nations', 'ORGANIZATION'), ('is', 'O'), ('holding', 'O'), ('a', 'O'), ('meeting', 'O'), ('in', 'O'), ('the', 'O'), ('united states of America', 'LOCATION'), ('.', 'O')]

当我尝试在其他线程中找到的一些代码以树格式连接命名实体时，它返回一个空列表

import nltk
from nltk.tag import StanfordNERTagger
from nltk.tokenize import word_tokenize
import os
java_path = "C:\Program Files (x86)\Java\jre1.8.0_251/java.exe"
os.environ['JAVAHOME'] = java_path

st = StanfordNERTagger(r'stanford-ner-4.0.0/stanford-ner-4.0.0/classifiers/english.all.3class.distsim.crf.ser.gz',
                       r'stanford-ner-4.0.0/stanford-ner-4.0.0/stanford-ner.jar',
                       encoding='utf-8')

text = 'The united nations is holding a meeting in the united states of America.'
tokenized_text = word_tokenize(text)
classified_text = st.tag(tokenized_text)
namedEnt = nltk.ne_chunk(classified_text, binary = True)

#this line makes the tree return an empty list
np = [' '.join([y[0] for y in x.leaves()]) for x in namedEnt.subtrees() if x.label() == "NE"]

print(np)

print(classified_text)

---

nltk中的StanfordNERTagger不保留命名实体边界的信息。如果试图解析标记器的输出，则无法判断具有相同标记的两个连续名词是否属于同一实体，或者它们是否不同

或者，表示斯坦福团队正在积极开发一个名为Stanza的python包，该包使用斯坦福CoreNLP。它很慢，但很容易使用

$pip3安装节

>>> import stanza
>>> stanza.download ('en')
>>> nlp = stanza.Pipeline ('en')
>>> results = nlp (<insert your text string here>)

导入节 >>>节下载（'en'） >>>nlp=节管道（“en”） >>>结果=nlp（）

---

分块的实体在

results.ents

中，在我看来，这更像是关于扁平化树表示的Python问题，而不是NER问题。您是否真的尝试过在

namedEnt

中调试代码？我发现了一个函数，可以检查连续的命名实体并将术语组合在一起（分块）。您可以将其完整发布，作为问题的答案，以方便将来的读者。