location - 使用 NLP 框架识别部分/完整地址

Question

我想知道 NLP 框架需要多少工作量才能使用 NLP 框架从非结构化文本中提取部分(不含城市)或完整的邮政地址？ NLP 框架能够有效地做到这一点吗？另外，“训练”命名实体识别模块来匹配新位置有多困难？

Answer 1

只要大多数地址格式正确且规则，即包含联系人姓名、街道号码、街道名称，并用逗号分隔，您就可以找到基于规则的框架。

使用非结构化或部分结构化文本将需要更多预处理和统计，例如形态句法和 CRF。 Stanford tools是为此目的最受欢迎的。搜索包含中间注释的语料库也可能是一个有趣的方向:不仅是“LOC”，还包括“NUMBER”、“STREETNAME”、“CITY”等，以便能够提取位置，即使它们不是完全的。对于这种注释，你可以看看tree-structured approaches .

因此，工作量主要取决于您要查找的正则表达式的数量。