如何通过CoreNLP识别小写的命名实体，如kobe bryant？
我遇到了一个问题，CoreNLP只能识别名为Kobe Bryant的命名实体，它以一个大写字母开头，但不能识别kobe bryant作为一个人！ 那么如何识别CoreNLP以小写字母开头的命名实体???? 欣赏它!!!!
首先，你必须承认，使用小写或不一致的英文文本比使用正式文本更难获得命名实体，大写字母是一个很好的线索。 （这也是为什么中文NER比英语NER更难的一个原因。）尽管如此，你必须做些事情才能让CoreNLP在小写文本上运行得相当好 – 默认模型经过训练，能够很好地处理编辑良好的文本。
如果您正在使用正确编辑的文本，则应使用我们的默认英语模型。 如果您正在使用的文本（主要）是小写或大写，那么您应该使用下面提供的两种解决方案之一。 如果它是真正的混合（如许多社交媒体文本），您可以使用下面的truecaser解决方案，或者您可以通过使用套管和无壳NER模型（作为给予ner.model属性的长模型列表）获得。
方法1：无壳模型。 我们还提供忽略案例信息的英语模型。 它们将在所有小写文本上更好地工作。
方法2：使用truecaser。 我们提供了一个truecase注释器，它试图将文本转换为正式编辑的大写。 您可以先应用它，然后使用常规注释器。
一般来说，我们不清楚这些方法中的一种通常或总是获胜。 你可以尝试两者。
重要提示：要获得下面调用的额外组件，您需要下载英文模型jar ，并在类路径中使用它。
这是一个例子。 我们从示例文本开始：
% cat lakers.txt lonzo ball talked about kobe bryant after the lakers game.
使用默认模型，不会找到任何实体，并且所有单词都只能获得一个通用名词标记。 伤心！
% java edu.stanford.nlp.pipeline.StanfordCoreNLP -file lakers.txt -outputFormat conll -annotators tokenize,ssplit,pos,lemma,ner % cat lakers.txt.conll 1 lonzo lonzo NN O _ _ 2 ball ball NN O _ _ 3 talked talk VBD O _ _ 4 about about IN O _ _ 5 kobe kobe NN O _ _ 6 bryant bryant NN O _ _ 7 after after IN O _ _ 8 the the DT O _ _ 9 lakers laker NNS O _ _ 10 game game NN O _ _ 11 . . . O _ _
下面，我们要求使用无壳模型，然后我们做得很好：所有名称单词现在都被识别为专有名词，并且识别出两个人名。 但球队名称仍然缺席。
% java edu.stanford.nlp.pipeline.StanfordCoreNLP -outputFormat conll -annotators tokenize,ssplit,pos,lemma,ner -file lakers.txt -pos.model edu/stanford/nlp/models/pos-tagger/english-caseless-left3words-distsim.tagger -ner.model edu/stanford/nlp/models/ner/english.all.3class.caseless.distsim.crf.ser.gz,edu/stanford/nlp/models/ner/english.muc.7class.caseless.distsim.crf.ser.gz,edu/stanford/nlp/models/ner/english.conll.4class.caseless.distsim.crf.ser.gz % cat lakers.txt.conll 1 lonzo lonzo NNP PERSON _ _ 2 ball ball NNP PERSON _ _ 3 talked talk VBD O _ _ 4 about about IN O _ _ 5 kobe kobe NNP PERSON _ _ 6 bryant bryant NNP PERSON _ _ 7 after after IN O _ _ 8 the the DT O _ _ 9 lakers lakers NNPS O _ _ 10 game game NN O _ _ 11 . . . O _ _
相反，您可以在POS标记和NER之前运行truecasing：
% java edu.stanford.nlp.pipeline.StanfordCoreNLP -outputFormat conll -annotators tokenize,ssplit,truecase,pos,lemma,ner -file lakers.txt -truecase.overwriteText % cat lakers.txt.conll 1 Lonzo Lonzo NNP PERSON _ _ 2 ball ball NN O _ _ 3 talked talk VBD O _ _ 4 about about IN O _ _ 5 Kobe Kobe NNP PERSON _ _ 6 Bryant Bryant NNP PERSON _ _ 7 after after IN O _ _ 8 the the DT O _ _ 9 Lakers Lakers NNPS ORGANIZATION _ _ 10 game game NN O _ _ 11 . . . O _ _
现在， 湖人组织得到了认可，一般来说，几乎所有实体词都被标记为具有正确实体标签的专有名词，但它无法获得球 ，这仍然是一个普通名词。 当然，在无壳文本中这是一个相当难的词，因为球是一个非常频繁的普通名词。