NER识别自定义实体

Question

我有一个要求从给定的文本中检测公司名称。我训练过CRFClassifier，我的训练数据和公报数据都是。在对分类器进行训练后，当我使用测试数据来识别公司时，它没有正确地进行检测。如果我给出的公司名称是培训数据的一部分，它能够识别，如果我给出任何作为公报文件一部分的公司名称，它就无法识别这些实体。你能帮我吗，我怎样才能继续朝着正确的方向去识别实体。

我使用的属性文件如下所示

trainFile=培训-data.tsv

serializeTo=custom-classification-model.ser.gz

map=word=0，answer=1

useClassFeature=true

useWord=true

useNGrams=true

noMidNGrams=true

maxNGramLeng=6

usePrev=true

useNext=true

useSequences=true

usePrevSequences=true

maxLeft=1

useTypeSeqs=true

useTypeSeqs2=true

useTypeySequences=true

wordShape=chris2useLC

useDisjunctive=true

useGazettes=true

gazette=gazette.txt

cleanGazette=true

样本训练数据文件

华堡公司

平卡斯公司

有O

商定O

致O

获取O

北O

卡罗莱纳O

• O

基O

服务O

Gazzette文件数据文件

ACON公司

投资公司

LLS公司

邮政公司

橡木公司

能源公司

资本公司

美林公司

林奇公司

国际公司

Aion公司

直接公司

新加坡公司

Answer 1

您的公报文件格式不正确。

一个示例条目应该如下所示：

CLASS1 this is an example

在NER页面上有一个更详细的答案：

https://nlp.stanford.edu/software/crf-faq.html#gazette