[英]NLTK named entity recognition in dutch
我试图从荷兰文本中提取命名实体。 我使用nltk-trainer在conll2002荷兰语语料库上训练一个tagger和一个chunker。 但是,来自chunker的解析方法未检测到任何命名实体。 这是我的代码:
str = 'Christiane heeft een lam.'
tagger = nltk.data.load('taggers/dutch.pickle')
chunker = nltk.data.load('chunkers/dutch.pickle')
str_tags = tagger.tag(nltk.word_tokenize(str))
print str_tags
str_chunks = chunker.parse(str_tags)
print str_chunks
而这个程序的输出:
[('Christiane', u'N'), ('heeft', u'V'), ('een', u'Art'), ('lam', u'Adj'), ('.', u'Punc')]
(S Christiane/N heeft/V een/Art lam/Adj ./Punc)
我期待Christiane被检测为命名实体。 有帮助吗?
conll2002
语料库有西班牙语和荷兰语文本,所以你应该确保使用fileids
参数,如python train_chunker.py conll2002 --fileids ned.train
。 西班牙语和荷兰语的训练效果不佳。
默认算法是基于Tagger的Chunker,它在conll2002上不能很好地工作。 相反,使用像NaiveBayes这样的基于分类器的分块,因此完整命令可能看起来像这样(并且我已经确认结果chunker确实将“Christiane”识别为“PER”):
python train_chunker.py conll2002 --fileids ned.train --classifier NaiveBayes --filename ~/nltk_data/chunkers/conll2002_ned_NaiveBayes.pickle
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.