Estrai nome persona dal testo di struttura

Question

Ho una raccolta di fatture e fatture, quindi non c'è un contesto nel testo (cioè non raccontano una storia). Voglio estrarre nomi di persone da quelle fatture. Ho provato OpenNLP ma la qualità del modello addestrato non è buona perché non ho contesto. quindi la prima domanda è: posso addestrare il modello contiene solo nomi di persone senza contesto? e se possibile, puoi darmi un buon articolo per come costruisco quel nuovo modello (la maggior parte dell'articolo che ho letto non ha spiegato i passi che avrei dovuto fare per costruire un nuovo modello).

Ho il nome del database con più di 100.000 persone nome (nome, cognome), quindi se i sistemi NER non funzionano nel mio caso (perché non c'è contesto), qual è il modo migliore per cercare quei candidati (intendo cercare ogni nome con tutti gli altri cognomi?)

grazie.

Answer 1

Per quanto riguarda il "contesto", suppongo che intendi che non hai frasi intere, cioè nessun token precedente/successivo, e in questo caso devi affrontare un NER non standard. Non sono a conoscenza del software disponibile o dei dati di addestramento per questo particolare problema, se non ne trovi nessuno dovrai costruire il tuo corpus per scopi di formazione e/o valutazione.

Il database di nomi sarà probabilmente di grande aiuto, a seconda di quale proporzione dei nomi di fatture sono effettivamente presenti nel database. Probabilmente dovrai anche fare affidamento sulla morfologia a livello di carattere dei nomi, come pattern (vedi ad esempio i pattern in [1]). Una volta che hai un set di formazione con caratteristiche (presenza nel database, morfologia, altre informazioni della bolletta) e soluzioni (nomi effettivi di fatture annotate), l'utilizzo dell'apprendimento automatico standard come SVM sarà abbastanza semplice (se non hai familiarità con questo, Chiedi solamente).

Alcuni altri suggerimenti:

• Si può probabilmente anche usare altre informazioni di Bill: nome della società, le posizioni, fiscale menziona, ecc
• Si può anche procedere in aa maniera selettiva - se tutte le fatture devono menzionare (esattamente?) il nome di una persona, è possibile escludere tutti gli altri testi (es. importi, nomi fiscali, posizioni ecc.) o assumere in un modello dedicato che tra tutti i testi in una fattura, solo uno dovrebbe essere indovinato come nome.

[1] algoritmi di ranking per nome-entità di estrazione: rafforzare e il perceptron votato (Michael Collins, 2002)

Answer 2

mi piacerebbe iniziare con alcune espressioni regolari, poi eventualmente aumentare che con un base di dizionario- approccio (cioè, una grande lista di nomi).

Non importa quello che fai, non sarà perfetto, quindi assicurati di tenerlo a mente.