NLP에서 적절한 명사를 인식하기위한 전략

Question

나는 더 많은 것에 대해 더 배우고 싶습니다 자연어 처리 (NLP) 및 사전 인식을 기반으로하지 않는 텍스트에 적절한 명사를 인식하기위한 전략이 있으면 궁금합니다. 또한 현재 사전 기반 방법을 설명하는 자원을 설명하거나 링크 할 수 있습니까? NLP에 대한 권위있는 전문가는 누구입니까, 또는 주제에 대한 결정적인 자원은 무엇입니까?

Answer 1

텍스트에서 단어에 대한 연설의 적절한 부분을 결정하는 과제는 음성 태깅의 일부. 그만큼 브릴 타거, 예를 들어, 사전 (어휘) 단어와 맥락 규칙의 혼합을 사용합니다. 이 작업에 대한 중요한 초기 사전 단어 중 일부는 중지 단어라고 생각합니다. 말을 위해 연설의 일부 (주로 정확한) 부분을 가지고 있으면 더 큰 구조물을 구축 할 수 있습니다. 이 산업 지향적 책 명사 문구 (NP)와 명명 된 엔티티 인식을 구분합니다. 교과서 정보 : 앨런의 자연어 이해 좋지만 조금 데이트 된 책입니다. 통계 자연어 처리의 기초 통계 NLP에 대한 좋은 소개입니다. 언어 및 언어 처리 조금 더 엄격하고 아마도 더 권위있는 것입니다. 계산 언어학 협회 계산 언어학의 주요 과학계입니다.

Answer 2

사전 기반 접근 방식 외에도 다른 두 사람이 내 마음에옵니다.

• 패턴 기반 접근법 (간단한 형태 : 자본화되는 것은 적절한 명사입니다)
• 머신 러닝 접근 방식 (훈련 코퍼스의 적절한 명사 표시 및 분류기 훈련)

필드는 대부분 호출됩니다 명명 된 엔티티 추출 종종 서브 필드로 간주됩니다 정보 추출. NLP의 다른 필드에 대한 좋은 출발점은 일반적으로 전산 언어학의 옥스포드 핸드북:

_{(원천: oup.com)}

Answer 3

"명명 된 엔티티 인식"을 검색해보십시오. 이것이 NLP 문헌에서 이런 종류의 일에 대해 사용되는 용어입니다.

Answer 4

사전 기반의 의미에 따라 다릅니다.

예를 들어, 한 가지 전략은 그렇지 않습니다 사전에서, 그들이 적절한 명사라고 가정하여 진행하려고 노력합니다. 이것이 현명한 구문 분석으로 이어지는 경우, 가정을 잠정적으로 검증하고 계속 진행하면 계속 진행하지 않다고 결론을 내립니다.

기타 아이디어 :

• 주제 위치에서 결정자가없는 간단한 주제는 좋은 후보입니다.
• 전치사 문구의 디토
• 어떤 입장에서도 소유권 결정자의 기초 (예 : "Bob 's Sister"의 Bob)는 좋은 후보입니다.

- Markusq

Answer 5

일부 툴킷은 다음과 같이 제안했습니다. 1. OpenNLP : 작업에 대한 명명 된 엔티티 인식 구성 요소가 있습니다. 2. Lingpipe : 또한 NER 구성 요소 3. Stanford NLP 패키지 : 학업 적용을위한 우수한 패키지, 상업적 친화적이지 않을 수도 있습니다. 4. NLTK : Python NLP 패키지

Answer 6

"Bill Gates"와 같은 문장이 있고 Speech Tagger의 일부를 적용하는 경우. 그것은 대답을 줄 것입니다

"누가/wp는/vbz Bill/nn Gates/nns?/입니다."

당신은 이것을 온라인으로 시도 할 수 있습니다http://cst.dk/online/pos_tagger/uk/

그래서 당신은이 문장에서 모든 명사를 얻고 있습니다. 이제 알고리즘 으로이 명사를 쉽게 추출 할 수 있습니다. 자연어 처리를 사용하는 경우 Python을 사용하는 것이 좋습니다. NLTK (Natural Language Toolkit)가있어 작업 할 수 있습니다.

Answer 7

자연 언어 처리 구현에 관심이 있다면 Python은 프로그래밍 언어라면 매우 유익한 리소스가 될 수 있습니다. http://www.youtube.com/watch?v=KKE4M4ISCLC

Answer 8

이것은 벵골어를위한 것이지만 적절한 명사를 식별하는 일반적인 절차를 그릴 수 있습니다. 그래서 이것이 당신에게 도움이되기를 바랍니다. Folowing 링크를 확인하십시오.http://www.mecs-press.org/ijmecs/ijmecs-v6-n8/v6n8-1.html