改进 CoreNLP POS 标注器和 NER 标注器？

Question

CoreNLP 部分语音标注器和名称实体识别标注器开箱即用，非常好，但我想进一步提高准确性，以便整个程序运行得更好。为了解释更多关于准确性的信息——在某些情况下，POS/NER 被错误地标记了。例如：

• “监督汽车制造”被标记为 NNP-NN-NN

而不是 VB* 或类似的东西，因为它是一个类似动词的短语（我不是语言学家，所以对此持保留态度）。

那么实现准确性提高的最佳方法是什么？

• 是否有更好的 POS/NER 模型可以整合到 CoreNLP 中？
• 我应该切换到其他 NLP 工具吗？
• 或者创建带有例外规则的训练模型？

Answer 1

首先，“监督汽车制造”甚至不是一个句子，它本身没有多大意义 :-) 这些模型通常是在整个句子上训练的。如果您在此处输入“他监督汽车制造”[1]，它正在使用 CoreNLP，那么您会得到更理智的结果。

让我们假设您仍然有不准确的结果。除非您使用一些小的示例模型，否则没有“更好”的模型本身。它总是取决于域，甚至“默认”模型也是在某些域上训练的，例如报纸。

您很可能必须自己训练模型，而不是使用例外规则，而是针对特定的文本域，例如谈论汽车或制造，或具有某种写作风格等的文本。

[1]http://nlp.stanford.edu:8080/corenlp/process