如何构建StanfordNER分类器

Question

我正在使用StanfordNER分类器。有4个分类器

english.all.3class.distsim.crf.ser.gz
english.muc.7class.distsim.crf.ser.gz
english.conll.4class.distsim.crf.ser.gz
example.serialized.ncc.ncc.ser.gz

这些分类器是如何建立的？因为它们都是基于不同的语料库，所以我猜

1. 在语料库上训练一个机器学习分类器，如SVM和OVR (用于多标签案例)，以检测ORGANIZATION、PERSON、LOCATION等实体，这意味着训练数据将是语料库中文档的完整文本。对于该文本，我们显式地表示了ORGANIZATIONs、PERSONs和LOCATIONs，这样分类器就能够预测这些实体。
2. 训练机器学习分类器将POS标记与ORGANIZATION、PERSON、LOCATION等实体连接起来。例如，可以训练一个量词来预测哪些专有名词应该是ORGANIZATION。

这是正确的大局吗？我只是想找出如何建立我自己的能力。

Answer 1

是的，这些模型是关于监督数据的。它们是一阶CRF，可以进行多类概率序列分类(所以不是OVR，不是SVM)。您可以在斯坦福大学网页上找到关于NER和斯坦福NER的介绍。