技术标签: POS 自然语言处理 NER Chunking SRL
序列标注(Sequence Tagging)是NLP中最基础的任务,应用十分广泛。
如以下内容:
分词
命名实体识别(Named Entity Recognition,NER)
词性标注(Part-of-Speech Tagging,POS tagging)
组块分析(Chunking)
N词汇顺序标注(N-gram)
关键词抽取
语义角色标注(Semantic Role Labeling,SRL)
槽位抽取(Slot Filling)
…
NER主要识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等。通常为待处理文本中三大类(实体类、时间类和数字类)、七小类(人名、机构名、地名、时间、日期、货币和百分比)命名实体。
通常包括两部分:
进行命名实体识别时,通常需要对每个字进行标注,中文为单个字,英文为单词,空格分割。标注的标签类型如下表所示:
类型 | 说明 |
---|---|
B | Begin,代表实体片段的开始 |
I | Internediate,代表实体片段的中间 |
M | Middle,代表实体片段的中间 |
E | End,代表实体片段的结束 |
S | Single,代表实体片段为单个字 |
O | Other,代表字符不为任何实体 |
实体识别三种常见的序列标注方法如下:
我 O
是 O
张 B-PER
某 I-PER
三 I-PER
, O
我 O
在 O
天 B-ORG
安 I-ORG
门 I-ORG
。 O
我 S
是 S
北 B
京 M
人 E
POS主要用于标记出待处理文本中每个词的词性。
主要标注的标签类型如下表所示:
类型 | 说明 | 包含词性 |
---|---|---|
N | 名词 | NN, NNP, NNPS, FW |
V | 动词 | VB, VBD, VBG, VBN, VBP, VBZ |
ADJ | 形容词 | JJ, JJR, JJS |
ADV | 副词 | RB, RBR, RBS |
类型 | 说明 |
---|---|
CC | Coordinating conjunction 连词 |
CN | Cardinal Number 基数 |
DT | Determiner 限定词(the、some) |
EX | existential 存在句(there) |
FW | 外来词 |
IN | Preposision or subordinating conjunction 介词或从属连词 |
JJ | Adjective 形容词或序数词 |
JJR | Adjective, comparative 形容词比较级 |
JJS | Adjective, superlative 形容词最高级 |
LS | List item marker 列表标示 |
MD | Modal 情态助动词 |
NN | Noun, singular or mass 常用名词 单数形式 |
NNS | Noun, plural 常用名词 复数形式 |
NNP | Proper noun, singular 专有名词,单数形式 |
NNPS | Proper noun, plural 专有名词,复数形式 |
PDT | Predeterminer 前位限定词 |
POS | Possessive ending 所有格结束词 |
PRP | Personal pronoun 人称代词 |
PRP$ | Possessive pronoun 所有格代名词 |
RB | Adverb 副词 |
RBR | Adverb, comparative 副词比较级 |
RBS | Adverb, superlative 副词最高级 |
RP | Particle 小品词 |
SYM | Symbol 符号 |
TO | to 作为介词或不定式格式 |
UH | Interjection 感叹词 |
VB | Verb, base form 动词基本形式 |
VBD | Verb, past tense 动词过去式 |
VBG | Verb, gerund or present participle 动名词和现在分词(ing) |
VBN | Verb, past participle 过去分词 |
VBP | Verb, non-3rd person singular present 动词非第三人称单数 |
VBZ | Verb, 3rd person singular present 动词第三人称单数 |
WDT | Wh-determiner 限定词(如关系限定词:whose,which.疑问限定词:what,which,whose) |
WP | Wh-pronoun 代词(who whose which) |
WP$ | Possessive wh-pronoun 所有格代词 |
WRB | Wh-adverb 疑问代词(how where when) |
组块分析是从非结构化文本中提取短语的过程。相对于POS-Tagging来说,POS-Tagging返回了解析树的最底层,就是一个个单词。但是有时候你需要的是几个单词构成的名词短语,而非个个单词,在这种情况下,您可以使用chunker获取需要的信息,而不是浪费时间为句子生成完整的解析树。举个例子(中文):与其要单个字,不如要一个词,例如,将“南非”之类的短语作为一个单独的词,而不是分别拆成“南”和“非”去理解。
组块分析是可以接着词性标注工作继续完成,它使用词性标注作为输入,并提供分析好的组块做为输出。与词性标注的标签类似,它也有一组标准的组块标签,如名词短语(np)、动词短语(vp)等,当你想从诸如位置,人名等文本中提取信息时,分块是非常重要的。在NLP中,称为命名实体识别,举个例子“李雷的杯子”是分块分出的一个短语,而抽取“李雷”这个人名,就是命名体识别。所以,组块分析也是命名体识别的基础。
NP(名词短语):NP是NLP组块分析中最为复杂的一种结构。名词短语是指中心词为名词所构成的短语,其语法功能相当于名词性成分,一般可以在句子中充当主语、宾语、定语等。从语法的角度来讲,该结构具有两种含义,一种是值按句法成分构成的短语;另一种是指知识库中的实体和属性,这种组块称为baseNP。
VP(动词短语):是以动词为中心,与其修饰、限定或并列成分共同构成的一种语义组块,除中心动词表达的行为之外,其修饰和限定成分更明确和具体化动作的语义。
QP(数词短语):由数量词构成的短语结构。
DP(限定词短语):一般用于修饰NP或限定QP,可以作为复合NP子结构。
ADJP(形容词短语):其所修饰的名词中心语总是要先投射成一个NP。
DNP:由多种类型的短语加上(DEG的)构成。它们总是出现在NP的上下文中。(DEG的)出表示它前面的短语为NP的修饰语之外,没有其他作用。DNP常被看作一种复合的NP结构。
ADVP(副词短语):常用作动词的修饰语。
PP(介词短语)
LCP:处所词为中心语的短语
语义角色标注是一种浅层语义分析技术,以句子为单位,分析句子的谓词-论元结构,不对句子所包含的语义信息进行深入分析。具体来说,语义角色标注的任务就是以句子的谓词为中心,研究句子中各成分与谓词之间的关系,并且用语义角色来描述他们之间的关系。
例:奥巴马昨晚在白宫发表了演说。
谓词 “发表”
施事 “奥巴马”
受事 “演说”
时间 “昨晚”
地点 “在白宫”
文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib
文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang
文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些
文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器
文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距
文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器
文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn
文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios
文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql
文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...
文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120
文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数