Stanford nlp 使用stanfordner解析产品数据

我尝试使用斯坦福NER解析产品数据。我的培训数据如下所示：

iPhone 4 16GB black
Nikon D5100
Apple iPhone 4s
kindle touch
kindle fire

现在我想用这些数据训练NER，所以我必须首先对其进行分类。斯坦福德网站提供了一个例子，在这个例子中，他们解析一本书的一章，并将每一个单词标记成一行。这对我的情况没有帮助，因为数据看起来像：

iPhone
4
16GB
black

4不应该在一个新的行中，但当我把iPhone4放在一行中时，NER认为4是代币iPhone的类别

---

我只是需要一些帮助，如何用产品数据培训NER。你有什么建议？你会将iPhone归类为手机，将iPhone 4归类为手机吗？

我想知道你是否能够使用传统的非递归命名实体有效地提取信息。在我看来，您可能需要更结构化的东西，例如：

<phone>
    <model> iPhone <model>
    <version> 4 </version>
    <capacity> 16GB <capacity>
    <color> black </color>
</phone>

例如，中描述了如何使用CRF识别结构化命名实体。基本上，它学习每个实体类型一个CRF，并结合每个CRF的后验概率来识别结构化命名实体

事实上，这需要一些语料库再造，因为实体应该有足够的结构来训练语料库