斯坦福 NER - 提取多词实体

【问题标题】：Stanford NER - Extract Multi word entities斯坦福 NER - 提取多词实体
【发布时间】：2011-04-19 13:00:02
【问题描述】：

如何在斯坦福 NER 中标记搭配？目前它将Federal Reserve Bank of New York标记为

<wi num="11" entity="ORGANIZATION">Federal</wi> <wi num="12" entity="ORGANIZATION">Reserve</wi> <wi num="13" entity="ORGANIZATION">Bank</wi> <wi num="14" entity="ORGANIZATION">of</wi> <wi num="15" entity="ORGANIZATION">New</wi> <wi num="16" entity="ORGANIZATION">York</wi>

我希望它被识别为

<wi num="11" entity="ORGANIZATION">Federal Reserve Bank of New York</wi>

这可能吗？

【问题讨论】：

标签： java stanford-nlp named-entity-recognition

【解决方案1】：

类似的事情是，是的。如果你给标志

-outputFormat inlineXML

然后你会得到：

<ORGANIZATION>Federal Reserve Bank of New York</ORGANIZATION>

（请注意，这并没有真正改变斯坦福 NER 的工作方式，而只是改变了输出的格式。如果您不喜欢任何提供的输出格式，那么编写自己的格式相当简单。）

【讨论】：

谢谢。这就是我想要的。
您能否指导我如何生成自定义输出格式？
您必须为此编写代码。 key 方法在内部对标记列表进行分类：Listclassify(List document)。然后，您可以根据需要打印这些令牌。这就是 PlainTextDocumentReaderAndWriter 中处理标准样式的代码所做的。
分类方法将每个单词作为不同的标记返回。我无法将整个实体组合在一起。