用于人名“零件”的 Java 命名实体识别库

Question

我当前的项目需要提高客户详细信息的数据质量。

我们遇到的一个问题是，客户的姓名对于名字、中间名和姓氏有单独的数据捕获输入字段，但在许多情况下，姓名的每个部分都输入错误。

我们需要清理我们持有的数据。

此数据质量问题会影响我们在通信中联系客户时，因为我们不知道他们的名字、中间名和姓氏，因此我们使用不恰当的称呼冒犯了一些客户

我们需要一个命名实体识别库，它不仅可以检测 PERSONS 姓名，还可以检测 First、Middle 和 Surnames。

使这项数据质量任务变得更加困难的是，我们拥有近 1 亿客户，我们的客户群遍布全球，因此我们需要能够识别名字、中间名和姓氏，例如给定的名称、父名和不同的部分顺序。有帮助的是我们还了解客户的国籍。

是否存在特定于 Person Name PARTS 的命名实体识别？

我意识到“完美”的解决方案是不可能的，但我确信我可以提高我们目前拥有的数据质量。

我刚刚提到了 First, Middle 和 surnames 作为我最熟悉的名字结构，但是我明白以下是我所面临的例子

In many parts of the world, parts of names are derived from titles, locations, genealogical information, caste, religious references, and so on. Here are a few examples:

    the Indian name Kogaddu Birappa Timappa Nair follows the order villageName-fathersName-givenName-lastName.
    the Rajasthani name Aditya Pratap Singh Chauhan is composed of givenName-fathersName-surname-casteName.

    in another part of India the name Madurai Mani Iyer represents townName-givenName-casteName.

    the Arabic Abu Karim Muhammad al-Jamil ibn Nidal ibn Abdulaziz al-Filistini translates as "Father of Karim, Muhammad (given name), The beautiful, Son of Nidal, Son of Abdulaziz, the Palestinian". Karim is Muhammad's first-born son.

Answer 1

有一个简单、通用的解决方案，公司似乎出奇地不愿意应用：

当且仅当通信确实来自专门为接收者准备通信的人时，才包含称呼。在这种情况下，注意收件人的一部分是写一个正确的称呼，同时考虑到收件人的文化。

如果您使用数据库中的名称通过计算机生成通信，请诚实地说明您在做什么。只需显示提供给您的名称，无论它来自什么形式。不要试图用它来构建正式的称呼。不要以任何方式改变它。显然是由计算机生成但试图假装个人注意力的通信看起来很愚蠢，即使它们的错误程度不足以引起真正的烦恼。