如何基于 stanford-nlp 条件随机场模型训练法国 NER？

我发现了 stanford-NLP 的工具，发现它真的很有趣。 我是一名法国数据挖掘者/数据科学家，喜欢文本分析，并且很想使用你们的工具，但是 NER 在法语中不可用，这让我很困惑。

我很想制作自己的法语 NER，如果认为值得的话，甚至可能将其作为对包的贡献提供，所以...您能否简要介绍一下基于 stanford coreNLP 为法语 NER 训练 CRF 的要求？

谢谢。

注意：我不是斯坦福工具的开发者，也不是 NLP 专家。只是 lambda 用户在某些时候也需要此类信息。另请注意，下面给出的部分信息来自官方常见问题解答：http://nlp.stanford.edu/software/crf-faq.shtml#a

以下是我训练自己的 NER 时遵循的步骤：

1. 安装java 8

2. 创建训练/测试样本。它必须采取以下形式.tsv具有以下格式的文件：

     Venez    O
     découvrir    O
     lundi    DAY
     le    O
     nouvel    O
     espace    O
     de    O
     vente    O
     ODHOJS    ORGANISATION
   

   根据文本的原始格式，您可以使用 SQL 语句或其他 NLP 工具创建此示例。标签是最复杂的部分，因为我不知道除了手工做之外还有其他方法可以进行。

3. 使用以下命令训练模型：

   java -cp "stanford-ner.jar:lib/*" -mx4g edu.stanford.nlp.ie.crf.CRFClassifier -prop prop.txt
   

   where prop.txt还描述了here.

   这应该创建一个新的.jar包含新训练的模型。

4. 测试模型性能：

   java -cp "stanford-ner.jar:lib/*" edu.stanford.nlp.ie.crf.CRFClassifier -loadClassifier ner-model.ser.gz -testFile test.tsv > test.res
   

   输入test.tsv具有相同的格式train.tsv文件。输出在test.res有一个额外的列，其中包含 NER 预测类别。最后几行还显示了精度、召回率和 F1 方面的摘要。

5. 最后，您可以在真实数据上使用 NER：

   java -cp "stanford-ner.jar:lib/*" -mx5g edu.stanford.nlp.ie.crf.CRFClassifier -loadClassifier ner-model.ser.gz  -textFile test.txt -outputFormat inlineXML > test.res
   

希望能帮助到你。