Фильтровать информацию из больших тел текста

Question

Существует ли наилучшая практика, алгоритм или программное обеспечение (с открытым исходным кодом с разрешающей лицензией ...), которая может найти информацию из тел текста? Я имею в виду:

• Найти все адреса электронной почты в тексте
• Найдите все упоминания городов
• Найдите все упоминания государств
• Найдите все URL
• Найдите все упоминания по телефону
• Найдите все упоминания о Zipcodes ... с возможностью добавлять больше ...

Я слышал, что Rapidminer должен быть в состоянии выполнять такие текстовые виды текста, как этот, но AGPL не является приемлемой лицензией для моей цели.

Есть ли что -нибудь «стандартное», чтобы сделать такой анализ?

Answer 1

Прочитать о Названное признание сущности. Анкет Можешь попробовать Apache opennlp или же Apache Uima, оба из которых имеют лицензию Apache.

Answer 2

Для такого типа сущностей вы можете использовать на основе правил NER инструмент, например gexp.