中国人不认识一些包含在微博上的位置

Question

我目前正在做一些中文微博文本的分类工作，其中一个步骤是提取文本中包含的地理位置。我遵循了斯坦福-NLP网站描述的步骤，即首先使用中文分词器对中文文本进行分段，然后在分段文本上应用中文NER模型。

然而，我已经看到了许多虚假的否定，其中的文本确实包含地理位置，但NER软件无法识别它们。下面列出了一些例子(斜体被手动标记为Geo-locations)。

[开展防汛排查]6月29日，紫阳县红椿镇强降雨引发了山体滑坡和泥石流，为避免发生不安全事故，红椿派出所与交警中队民警冒雨开展重点路段巡查，疏导交通，排查险情.目前，共排查险情3处，救助因山体落石被砸的伤员1名.@安康警务 [开展/O防汛/O排查/O ] 6月/MISC 29日/MISC，/O紫阳/O县/O红椿镇/O强/O降雨/O引发/O了/O山体/O滑坡/O和/O泥石流/O，/O为/O /O为/O，/O红椿/O派出所/O与/O交警/O中队/O民警/O冒雨/O开展/O重点/O路段/O巡查/O，/O疏导/O交通/O，/O排查/O险情/O。/O目前/O，/O共/O排查/O险情/O3/O处/O，O救助/O因/O山体/O落石/O被/O砸/O的/O伤员/O伤员/O名/O。/O @/O安康/O警务/O [云南预警发布中心]沧源县气象台2015年7月16日14时00分发布暴雨蓝色预警信号:预计未来12小时，我县西部、南部的部分地区降雨量将达50毫米以上，请注意防范局地洪涝、滑坡和泥石流等灾害. [云南/ORG预警/ORG发布/ORG中心/ORG ]沧源/ORG县/ORG气象台/ORG 2015年/MISC 7月/MISC 16日/MISC 14时00/MISC分/MISC发布/O暴雨/O蓝色/O预警/O信号/O：/O我/O县/O西部/O、/O南部/O的/O部分/O地区/O降雨量/O将/O达/O达/O毫米/O以上/O，/O请/O注意/O防范/O /O防范/O/O/O，O/O。/O [张掖肃南县遭受山洪泥石流灾害暂无人员伤亡报告] [张掖肃/PERSON南县/O遭受/O山洪/O泥石流/O灾害/O暂/O无/O人员/O伤亡/O报告/O ] 马尔康县马江街红苕沟泥石流！ 马尔康县/O马江/O街/O红苕/O沟/O泥石流/O！/O 走G 214时候已经见过了陡坡，急弯，泥石流，滑坡，临水临崖，积雪泥泞等各种路况，今天出左贡县这段几十公里简直想骂娘，这种烂泥搓板路简直专治肾结石，哪儿结石都给你颠出来…… 走/O 214/O时候/O时候/O已经/O见/O过/O了/O陡坡/O，/O急弯/O，/O泥石流/O，/O滑坡/O，/O临/O水/O临崖/O，/O积雪/O泥泞/O等/O各/O /O各/O各/O/O//O这/O种/O烂泥/O搓板/O路/O简直/O专治/O肾/O结石/O哪儿/O结石/O都/O给/O你颠/O出来/O ./O.

最后一个例子的一个奇怪之处是，在线演示可以正确地将单词"左贡县“本身分类为GPE，而当我在计算机上运行它时，它会打印"左贡县/O”。

我不知道我是否正确地使用了这个软件，我也不知道如果我正确地使用这个软件，我应该如何处理这些问题。我能做些什么来纠正这些呢？比如训练我自己的模特？

我真的很感激任何帮助。

Answer 1

您的软件中是否嵌入了汉字？缺乏嵌入式字体可能是问题所在。