目前的斯坦福NER主要提供6个课程LOCATION, TIME, PERSON' ORGANIZATION' MONEY' PERCENT' DATE
此外，它已使用英语数据进行训练，因此无法对印度实体进行分类。
是否可以用额外的类来训练分类器，以便它也可以将 NE 识别为product, month, disease, device 等。
它也不对印度实体进行分类，因此如果可能的话，也可以添加对此类非英语类的支持。
是否可以重新训练分类器、标记器以获得这种额外支持？
【问题讨论】：
标签： machine-learning nlp classification stanford-nlp
与其他类相比，训练模型的主要麻烦是训练数据。
模型需要高度准确的训练数据，例如 I brought a <START:product> Mac Book Pro <END> in September and synced it with my <START:device> IPhone <END>. 请注意，Iphone 可以使用设备或产品进行注释。
如果您可以生成或注释至少 15,000 个带有您希望识别的类注释的句子 [这并不容易]；你很高兴。
斯坦福 NER 模型或 OpenNLP NER 模型不能识别印度人的名字，因为这些模型是在华尔街期刊文章上训练的，它们不能代表许多名字。
【讨论】：
它也不对印度实体进行分类，因此如果可能的话，也可以添加对此类非英语类的支持。
“印度语”是指印地语吗？斯坦福 NER 和 Apache OpenNLP 都没有为印地语提供命名实体模型，但 GATE 支持基本的印地语命名实体识别：https://gate.ac.uk/sale/tao/splitch15.html#x20-41300015.7
【讨论】：
对于印度实体来说，一种可能性是，如果数据格式良好，斯坦福大学的人通常很乐意将外部训练数据添加到分类器中。例如，当前的三个英语模型中有两个不能识别句子“Vihari 昨天回答了我的问题”中的“Vihari”。如果您编译一个此类句子的列表并将它们发送到 java-nlp-support@lists.stanford.edu，它们最终将进入未来的模型。
您必须自己为其他类别（例如产品、设备等）标记大量数据，这是一项相当耗时的任务。如果您能节省预算，Amazon Mechanical Turk 可能会提供服务。
【讨论】：