使用nltk在Python中识别包含上下文的命名实体

我有一个文本，希望使用带有Python 3.6的nltk提取命名实体，包括上下文。 下面的例子应该说明我的意思：

import nltk

text = 'the Iraqi people'
tokens = nltk.word_tokenize(text)
tag_tokens = nltk.pos_tag(tokens)
named_entities = nltk.ne_chunk(tag_tokens, binary=True)

print(named_entities)

运行这段代码让我

(S the/DT (NE Iraqi/NNP) people/NNS)

然而，我希望我的算法能够将“伊拉克人民”识别为一个命名实体，即

(S the/DT (NE Iraqi/NNP people/NNS))

现在，我对如何进行这项工作的最好猜测是查看pos标记标记的标记列表，并用名词组成块，紧跟在专有名词之后。

---

有没有更好的方法，或者甚至是我不知道的库？

ne_chunk

代表NLTK目前推荐的命名实体chunker，这是一种统计模型。这意味着

• 有时候可能是错的
• 它可能被训练来预测不同于你希望它预测的事情

很遗憾，您无法修改模型。因此，您只有两个选择： 要么你训练你自己的模型，这将是一个很大的工作。或者你使用一些启发式方法，例如你正在提出的方法

---

至于使用哪种启发式，这取决于您的应用程序。但是，一般来说，错误应该不会让您感到惊讶…

我没有使用NLTK，但是您显示的结果看起来像是句子组块结果，而不是NER结果。您确定API中没有其他调用来获取命名实体吗？