用NLTK做英文命名实体识别（NER）效果不佳怎么办？

用NLTK进行词性标注，我们得到一个元组列表，其中包含句子中的单个单词及其相关的词性。使用函数nltk.ne_chunk（），我们可以使用分类器识别命名实体，分类器添加类别标签（如PERSON，ORGANIZATION和GPE）。

NLTK命名实体识别效果如下图：Digital Farm(ORGANIZATION)识别成功

词标识符与块级别分割

 

然而，NER任务在中文语料上表现不佳，所以开源工具NLTK也一样。

为了能够满足我们的命名实体识别需求，我们可以引入正则表达式。

正则表达式限定分块

识别歌曲名(DT+NNP)

识别歌曲名（DT+NNP+RP）

识别歌曲All Falls Down需要用到正则表达式（NP: {<DT>*<NNP>*<RP>} # NP），识别歌曲That Girl需要用到正则表达式（NP: {<DT>*<NNP>} # NP）

匹配长度长的在前