向NLTK信息抽取器添加自定义标签

Question

我正在开发一个信息抽取器，专门用于解析电影、导演和演员等实体之间的关系。NLTK似乎为建立这样一个系统提供了必要的工具。然而，还不清楚如何添加自定义标签(例如演员、导演、电影标题)。

类似地，NLTK书第7章讨论使用命名实体识别器进行信息提取，但它掩盖了标记细节。

所以，我有两个问题：

如何添加自定义标签？如果我有相关命名实体(如电影、演员等)的裸露列表，我如何将它们作为特征来包含？看来我需要使用IOB格式，但是当我只有命名实体的列表时，我不确定如何做到这一点。

Answer 1

很多关键字提取技术都取决于以下因素：

文本的语法性质。文本的长度是在寻找单个关键字或短语关键字等等。但通常，如果您有长文本，并且希望从中自动提取关键字，我建议您阅读以下文章：

1. TextRank
2. 耙 快速自动关键词提取
3. 托皮卡

另外，要提取没有经过上述技术的自定义(特殊)关键字，请查看这个职位。