首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >通过regexner基于模式修改NER实体

通过regexner基于模式修改NER实体
EN

Stack Overflow用户
提问于 2017-01-13 18:49:13
回答 1查看 482关注 0票数 0

我正在使用regexner模块创建一些自定义的“标题”,但是所发生的情况是,所有所谓的"PERSON“都被确认为”组织“,当后面跟着这些自定义标题时。

例:

sentence_text,记号,引引词,ner_tags“董事会主席让-雅克文件,出售460万美元的BMRN,10/13/16,Files,To,$,4.6,M,Files,to,sell,$,4.6,m,of,bmrn,on,10/13/16,}”,“{标题,O,金钱,O,股票,O,日期,BioMarin制药公司(BMRN)的Chmn Bienaime Jean-Jacques于2016年10月13日向证券交易委员会提交了一份144份表格,报告所有权发生了以下变化:交易日交易类型每股股价{Chmn,Bienaime,Jean-Jacques,of,BioMarin,reporting,Inc,-LRB-,BMRN,-RRB-,a,Form,144,于2016年10月13日起提交,并附有下列、变更、变更、所有权、:、交易、日期、交易、类型、股票、金额、价格、每股、价值10b5-1,自动,交易,计划,}“,{Chmn,Bienaime,Jean-Jacques,of,BioMarin,Bienaime,Inc,-lrb-,BMRN,-lrb,档案,a,表格,144,on,10/13/2016,以及,,se.c,report,the,以下,变化,在所有权上,:,交易,日期,交易,类型,份额,金额,价格,每股,价值,10b5-1,自动,交易,计划,}“,{所有权,个人,个人,O,组织,O,股票,O,号码,O,日期,O,O,MISC,O,号码,日期,O,号码,货币,O,O,O,O}“董事会主席Gallagher Thomas C在10月20日/16日购买GPC 267.7K美元。”{主席,of,the,the,of,Gallagher,Thomas,C,Buys,$,267.7,k,of,gpc,on,10/20/16,}“,{主席,of,the,Board,Gallagher,Thomas,C,buy,$,267.7,K,of,on,10/20/16,}”,{标题,标题,[组织,O,金钱,O,组织,O,日期,O}“{首席,执行,官员,陈,周,档案,出售,$,1.0,m,of,yy,on,9/29/16,.}",{ TITLE,O,MONEY,O,STOCK,O,DATE,DATE,2016年9月29日,YY公司(YY)首席执行官陈洲向per提交了一份144份表格,报告了所有权的变化:交易日期、交易类型、每股股价{首席执行官,陈,周,of,YY,Inc,-LRB-,YY,-RRB-,提交,a,表格,144,在2016年9月29日,与,,S.E.C,报告,在所有权,:,交易,日期,交易,类型,股票,数量,价格,每股,价值证券,和,交易所,委托,以,反映,信息,任何,任何,持有人,股票,到,出售,那些,股份,}“,{首席执行官,陈,周,of,YY,Inc,-lrb-,YY,-rrb-,档案,a,表格,144,on,9/29/2016,与,per,报告,跟随,改变,在所有权,交易,日期,交易类型,股票,金额,价格,每股,价值,价值,1.0,m,form,144,be,file,with,the,Exchange,Commision,to,share,the,O,information,of,限制性,股票,to,sell,the,share,}“,{TITLE,PERSON,PERSON,O,STOCK,ORGANIZATION,O,STOCK,O,NUMBER,O,DATE,O,O,MISC,O,O,O,O,数字,日期,O,数字,金钱,O,O,数字,O,组织,O,O}“

最初,我想把这些名字定义为我的regexner.mapping文件中的PERSON,但是有几个这样的例子,并且有可能进行扩展。如何在令牌上定义正则表达式,因此如果标题后面跟着组织,则将组织替换为PERSON

例: /Match标题ORG/ -> {替换为} -> /标题人/

EN

回答 1

Stack Overflow用户

发布于 2017-01-16 14:34:14

我很难重现你的问题。

我制作了一个只有一个职称的样例职务规则文件:

代码语言:javascript
复制
chairman of the board   TITLE   MISC    1

我在这篇文章上说:

代码语言:javascript
复制
Chairman of the Board Bienaime Jean-Jacques

我用了这个命令:

代码语言:javascript
复制
java -Xmx8g edu.stanford.nlp.pipeline.StanfordCoreNLP -annotators tokenize,ssplit,pos,lemma,ner,regexner -file sample-sentence.txt -outputFormat text -regexner.mapping job_title.rules -regexner.ignorecase

我得到“董事会主席”作为一个“标题”,我得到“双年让-雅克”作为一个人。

这一切都是用斯坦福大学CoreNLP 3.7.0完成的。

另外,斯坦福大学CoreNLP 3.7.0附带了大量的职位列表,供您参考。您可以使用regexner注释器检测职务名称。默认情况下,此注释器将使用我们的职务名称列表。虽然我承认“董事会主席”不在名单上。我会为以后的版本添加它!

职位列表在edu/stanford/nlp/models/kbp/regexner_caseless.tab文件中,该文件位于english-kbp模型jar中。可在此获得:http://stanfordnlp.github.io/CoreNLP/download.html

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/41641481

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档