Python 自然语言分析如何提取特定关键词？

[maiganne]

V 友们，给一篇文章，里面会出现一些公司的名字，前提是我不知道有哪些公司，请问如何将这些公司的名字提取出来

[binux]

公司名是全称还是简称
实体识别

[maiganne]

@binux 全称简称都没关系，只要能提取出来就行，能稍微说的详细点吗？谢谢

[oisc]

@maiganne NER 是一个自然语言处理的一个比较大的方向，怎么给你说详细一点。

[binux]

@maiganne 我问你文本中出现的是全称还是简称

[maiganne]

@binux 哦，全称，有什么 python 库可以实现吗

[binux]

@maiganne 全称分词，再自己写个规则就行了

[maiganne]

@binux 嗯，谢谢

[ijustdo]

中文处理里面有个 实体识别 就是代词性的分词 然后找到那些 为 机构名词

[ijustdo]

INFO 2017-03-18 16:58:52,236] intxt: 有一个叫一腿有限公司的是个好公司
INFO 2017-03-18 16:58:52,236] 1:有 /v[-1:HED] 2:一个 /m[7:SBV] 3:叫 /v[7:SBV] 4:一 /m[4:ATT] 5:腿 /n[5:ATT] 6:有限公司 /n[2:VOB] 7:的 /u[2:RAD] 8:是 /v[0:COO] 9:个 /q[10:ATT] 10:好 /a[10:ATT] 11:公司 /n[7:VOB]
INFO 2017-03-18 16:58:52,236] A1(3, 5): 一 腿 有限公司
INFO 2017-03-18 16:58:52,236] A0(1, 1): 一个
INFO 2017-03-18 16:58:52,236] A0(6, 6): 的
INFO 2017-03-18 16:58:52,236] A1(8, 10): 个 好 公司
INFO 2017-03-18 16:58:52,236] ------------------------------------------------------------

看到没有 一腿有限公司 成功识别 当然这个公司是不存在的 呵呵

[maiganne]

@ijustdo 太好了，怎么实现的

[ijustdo]

实体识别 找这个 相关的库 我用的哈工大的库

[ijustdo]

百度的自然语言接口也提供 免费的文本相关的接口 每天有次数限制

[ijustdo]

北大的中文有个撒实验室 也出类似的 其实 就是带 词性的分词 然后再处理 python jieba 分词也带词性分词

最简单的 你可以先用 jieba 试试 找名词 和机构名词 我要是没记错 jieba 也带新词发现 。。。

[maiganne]

@ijustdo 非常感谢

[maiganne]

@ijustdo 你用的哈工大的库是什么，能在 python 中使用吗？我也想试试

[bxb100]

清华也有个分词的包

[ijustdo]

哈工大 ltp

[kunjinkao]

找些语料训练个 crf，抽取一下就 ok 了