java - NLP 从给定文本中发现城市、州和名称

Question

关闭。这个问题需要多问 focused 。目前不接受答案。

---

想要改进此问题吗？更新问题，使其仅关注一个问题 editing this post .

已关闭 8 年前。

Improve this question

我有一个使用 OCR(光学字符识别)从图像生成的文本文件。该文件包含信息记录，其中每条记录的一部分包含客户名称城市和州格式的文本。文本示例如下

乔治亚州本杰明·米克斯·迪凯特

有时文本可能会分成多行。文本将始终按给定的顺序排列。我有一个城市和州的静态列表，但仍然有一些记录和州可以从列表中出来。州和城市之间的逗号可能存在​​也可能不存在。城市和州文本主要包含美国、英国、加拿大、澳大利亚等。

从我的一位 friend 那里，我了解到自然语言处理可以解决从给定输入中挖掘文本类别的问题。我是 NLP 新手，所以我来这里寻求建议，我可以应用哪些 NLP 技术来提取城市、州和名称。

我在 google 上搜索了一个 openNLP 库，看起来 apache openNLP 似乎是一个不错的库。

谢谢。

Answer 1

如果你想开始使用 NLP，我认为 OpenNLP 是一个不错的选择，另一个 Java 选项可能是 StandfordNLP。如果您熟悉 Python，那么请使用 NLTK。

关于你的问题，我认为命名实体识别是你应该寻找的。如果您首先学习 NLP 的基础知识，然后使用这种特定的“技术”，那就更好了。然而here您已经可以找到有关此内容的 OpenNLP 章节；正如您所看到的，您还可以使用机器学习技术来训练您的“代码”，以便准确识别您想要的内容。
对于 OpenNLP，已经存在一些针对位置、组织、人员等的训练模型。 (here)