使用 NLP 框架识别部分/完整地址

Question

我想知道使用 NLP 框架从非结构化文本中提取部分（不含城市）或完整邮政地址的 NLP 框架的工作量？NLP 框架能有效地做到这一点吗？此外，“训练”命名实体识别模块以匹配新位置有多困难？

Answer 1

只要大多数地址格式正确且规则，即包含联系人姓名、街道号码、街道名称，以逗号分隔，您就可以找到基于规则的框架。

使用非结构化或部分结构化的文本将需要更多的预处理和统计，例如 morpho-syntax 和 CRF。斯坦福大学的工具是最流行的。搜索包含中间注释的语料库也可能是一个有趣的方向：不仅是“LOC”，还有“NUMBER”、“STREETNAME”、“CITY”等，以便即使它们没有也能提取位置完全的。对于这种注释，您可以查看树结构方法。

因此，工作量主要取决于您正在寻找多少正则表达式。