Python 有没有办法告诉NLTK某个单词不是'；不是专有名词而是名词？

我正在做NLP，在那里我发现患者何时被诊断为多发性硬化症

我想用nltk告诉我一个句子的名词是多发性硬化症。问题是，医生经常将多发性硬化症称为MS，nltk将其作为专有名词

例如，这句话“他的多发性硬化症是在1999年被诊断出来的。”被标记为：

[（'His'，'PRP$），（'MS'，'NNP'），（'was'，'VBD'），（'diagnostics'，'VBN'），（'in'，'in'），（'1999'，'CD'），（'，'，，'）]

---

MS在这里应该是一个名词。有什么建议吗？

总结一下，您有以下选择：

在后处理中更正标记-有点难看，但快速简单

使用外部名称实体识别器（Stanford NER，正如@Bob Dylan深思熟虑地建议的那样）——这一个更复杂，特别是因为Stanford NER使用java，速度不是特别快

对特定于域的数据重新培训POS标记器（您是否有足够大的注释数据集来使用它？）

使用WSD（词义消歧）方法-首先，您需要有一个好的域词典来使用

---

命名实体识别是一个难题。请尝试。您当前正在使用默认的POS标记器。因此，在这种情况下，您需要训练您自己的语料库，包括正确的POS标记值。如果不是作为一种回退机制，那么在使用默认的语料库POS标记器模型之后，您应该有另一个纠错层。数据的来源是什么？可以分享吗？是否有一个单词/短语/缩写列表，您希望它们始终是名词？你有标记的数据吗？数据的域是什么？词性标注的最终目的是什么？回答这些问题会缩小问题的范围。在您的特定示例中，您可以对标记的数据进行后处理，然后将

（'MS'，'NNP'）

更改为

（'MS'，'NN'）

。但我猜你不想要那个，你想要一个完美的标签。你有没有想过如何确定要覆盖哪些单词？如果“MS”不是你唯一的例子，而且你想进行如此大规模的研究，我可能会研究词义消歧，并使用医学词典作为最可能的单词含义的基础。