NLTK的实体类型是什么？

Question

我一直在努力寻找NLTK实体类型的完整列表.我只能在这个页面上找到最常见的,但不是完整列表.你能否分享一下NLTK的命名实体类型的完整列表？

Answer 1

这是一个非常好的问题,我自己也在想这个问题.它似乎没有在任何地方记录,即使在nltk源中,当然它是由语料库确定的chunker是训练的 - 它似乎是或者是ACE语料库,它不是与nltk.

在源头进行了一些挖掘,得出了答案:

>>> chunker=nltk.data.load(nltk.chunk._MULTICLASS_NE_CHUNKER) # cf. nltk/chunk/__init__.py
>>> sorted(chunker._tagger._classifier.labels())
['B-FACILITY', 'B-GPE', 'B-GSP', 'B-LOCATION', 'B-ORGANIZATION', 'B-PERSON', 
 'I-FACILITY', 'I-GPE', 'I-GSP', 'I-LOCATION', 'I-ORGANIZATION', 'I-PERSON',
 'O']

请注意,本书中提到的某些"常见"类型(包括DATE和TIME)实际上并未被此chunker检测到.GPE代表地理政治实体, GSP代表地理 - 社会 - 政治实体,这是一个较旧的标签,在ACE项目中被GPE取代.根据他们的定义(见下面的链接),他们似乎非常相同.

编辑, 2019年1月:在Daniel的问题的提示下,我亲自查看了ACE项目的文档,以寻找这些实体的描述.果然,这个页面链接到项目每个阶段的文档.上面列出的实体名称,包括神秘的GSP,但没有 GPE实体,在项目的第1阶段使用.从第2阶段开始,GPE在列表中替换了GSP.人们想知道的细节化的NLTK如何结束了对被训练都 GPE和GSP,或在两者之间如何决定.我最好的猜测是,它是在第1阶段和第2阶段材料的组合上进行训练的.