这个问题最好用一个例子来解释,所以请考虑下面的句子:
这款 Pinafore 连衣裙采用透气棉制成,带有一丝弹力,采用现代方形领口设计。
在这里,棉(FABRIC)和方领口(NECKLINE)是句子中的两个重要属性。我需要做的是捕捉面料的细节“通风”这个词。使用 NER 可以成功捕获 FABRIC 和 NECKLINE,但 NER 在捕获诸如airy之类的细节术语时效果不佳。
有人可以指出我该如何解决这个问题吗?
这个问题最好用一个例子来解释,所以请考虑下面的句子:
这款 Pinafore 连衣裙采用透气棉制成,带有一丝弹力,采用现代方形领口设计。
在这里,棉(FABRIC)和方领口(NECKLINE)是句子中的两个重要属性。我需要做的是捕捉面料的细节“通风”这个词。使用 NER 可以成功捕获 FABRIC 和 NECKLINE,但 NER 在捕获诸如airy之类的细节术语时效果不佳。
有人可以指出我该如何解决这个问题吗?
您可以尝试为此使用依赖项解析,例如,在Spacy或任何其他 NLP 工具包中实现。
详细信息应该是您使用类似 NER 的方法检测到的属性的形容词修饰符(依赖标签amod )。
或者,在您的示例中,它们可以将复合名词形成为“通风棉”。在这种情况下,它是一个依赖于具有依赖标签的实体的词。但我想这种情况很少见,因为这些化合物更经常被认为是一个实体。
Spacy 有一个用于依赖解析的在线演示。