是否可以训练斯坦福 NER 系统来识别更多命名实体类型？

我现在正在使用一些 NLP 库（stanford 和 nltk） 斯坦福大学我看到了演示部分，但只是想问是否可以使用它来识别更多实体类型。

因此，目前斯坦福的 NER 系统（如演示所示）可以将实体识别为人（名称）、组织或位置。但认可的组织仅限于大学或一些大型组织。我想知道是否可以使用它的 API 为更多实体类型编写程序，例如如果我的输入是“Apple”或“Square”，它可以将其识别为一家公司。

我必须制作自己的训练数据集吗？

此外，如果我想提取实体及其相互之间的关系，我觉得我应该使用斯坦福依赖解析器。 我的意思是，首先提取命名实体和标记为“名词”的其他部分，并找到它们之间的关系。

我对么。

Thanks.

是的，您需要自己的训练集。预先训练的斯坦福模型仅将“斯坦福”一词识别为命名实体，因为它们已经接受了包含该单词的数据的训练（或根据它们使用的功能集非常相似的单词，我不知道那是什么）标记为命名实体。

一旦获得更多数据，您需要将其采用正确的格式，如这个问题 https://stackoverflow.com/questions/15609324/training-n-gram-ner-with-stanford-nlp和斯坦福大学的教程。