我可以自动定义实体类型吗？

Question

我正在尝试开发软件以根据实体类型为实体名称获取合适的属性。

例如，如果我有医生、护士、员工、客户、患者、讲师、捐赠者、用户、开发人员、设计师、司机、乘客和技术人员等实体，它们都将具有姓名、性别、出生日期等属性、电子邮件地址、家庭住址和电话号码，因为他们都是人。

大学、学院、医院、酒店和超市等第二个示例词可以共享姓名、地址和电话号码等属性，因为它们都可以是组织。

是否有任何自然语言处理工具和软件可以帮助我实现目标。 我需要将实体类型标识为人员或来源，然后根据实体类型附加合适的属性？

我查看了名称实体识别 (NER) 工具，例如斯坦福名称实体识别器，它可以提取实体，例如人员、位置、组织、金钱、时间、日期和百分比，但它并没有真正有用。

我可以通过建立自己的地名词典来做到这一点，但是我不喜欢使用这个选项，除非我没有自动做到这一点。

我们将不胜感激任何帮助、建议和想法。

Answer 1

如果我理解正确，您主要想知道一个给定的词是否可以映射到人类、组织等的一般类别。

您应该使用WordNet，它提供了通用英语词典的完整层次结构。在用户界面中试一试，感受一下它的工作原理。

WordNet 对单词之间的关系进行编码。其中一个关系是hypernymy，这是一个花哨的词，意思是一般到特殊的关系。

一些例子：

• Vehicle 是boat 的上位词。
• 车辆是汽车的超模。
• Human 是worker 的上位词，worker 是水管工的上位词。

下位词是上位词的逆关系：

• Boat 是 Vehicle 的下义词。
• Car 是车辆的下义词。
• Plumber 是worker 的下位词，本身就是human 的下位词。

这些关系是传递的，所以在我的最后一个例子中，plumber 也是human 的下义词。这为您提供了问题的解决方案：任何以 human 作为上位词的单词都应该映射到 Human 并具有 people 属性。

有一些库可以从 Java 和 Python 以及许多其他语言访问 WordNet。 Here 是使用 WordNet 和 NLTK Python 模块的文档。

判断单词是否为“human”的下义词的简短示例

from nltk.corpus import wordnet as wn

human = wn.synset('person.n.01')
hyponyms_of_human = set(x for x in human.closure(lambda s:s.hyponyms())
fireman = wn.synsets('fireman')
salad = wn.synsets('salad')
print(any(x in hyponyms_of_human for x in fireman))  # outputs True
print(any(x in hyponyms_of_human for x in salad))  # outputs False