通过词性标注，可以假设给定句子的单词是noun/verb等，但如果句子是例如：
"My favourite book is harry potter and the prizoner of azkaban"
请注意，我收到的输入将来自聊天界面，因此无法期望数据具有固定格式。有没有办法"harry potter and the prizoner of azkaban"从此类消息中识别为专有名词？
目前此查询标记为：
My|PRP$
favourite|JJ
book|NN
is|VBZ
harry|JJ
potter|NN
and|CC
the|DT
prizoner|NN
of|IN
azkaban|NN
我想知道这是否可以通过某种方式处理，或者是否有另一种算法可以处理这个问题？
我猜您的问题是 NER（命名实体识别）标记的一种形式。NER标签由PER(person)、LOC(location)、ORG(organization)和MISC(miscellaneous)和O(other)组成。在 NER 标记算法的帮助下，您可能会：
My(O) favorite(O) book(O) is(O) harry(B-MISC) potter(I-MISC) and(I-MISC) the(I-MISC) prisoner(I-MISC) of(I-MISC) azkaban(I-MISC).
现在您可以通过识别不同的 NER 标记来标记您的文本，并使用相同的 NER 标记加入“B-”和“I-”前缀。例如，您将“harry potter and ...”作为单个标记，它是一个 MISC，从 harry（因为 harry 是 B-MISC）开始，到 azkaban（因为 azkaban 有最后一个连续的 I-MISC 标签）。现在您可以让您的 POS 标记器将“哈利波特……”作为单个标记，它必须用“NN”标记它
此问题的另一种解决方案称为“分块”。它基于一组规则工作并检测名词短语（NP）。在这里，您定义一个规则并为其创建正则表达式语句。例如，您将所有连续NN的 s 定义为单个 NP (harry potter):<NN>+或 aDT后跟一串NNs (棕狐): <DT>?<NN>+。现在您根据正则表达式匹配方法标记您的文本。但在您的情况下，将如此长的 NP 分块几乎是不可能的。因为找到这个 NP 作为 NP 候选者的规则，也会错误地发现很多其他字符串作为 NP 候选者，而它们根本不是 NP。（见nltk：信息提取）