技术标签: POS 自然语言处理 NER Chunking SRL
序列标注(Sequence Tagging)是NLP中最基础的任务,应用十分广泛。
如以下内容:
分词
命名实体识别(Named Entity Recognition,NER)
词性标注(Part-of-Speech Tagging,POS tagging)
组块分析(Chunking)
N词汇顺序标注(N-gram)
关键词抽取
语义角色标注(Semantic Role Labeling,SRL)
槽位抽取(Slot Filling)
…
NER主要识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等。通常为待处理文本中三大类(实体类、时间类和数字类)、七小类(人名、机构名、地名、时间、日期、货币和百分比)命名实体。
通常包括两部分:
进行命名实体识别时,通常需要对每个字进行标注,中文为单个字,英文为单词,空格分割。标注的标签类型如下表所示:
类型 | 说明 |
---|---|
B | Begin,代表实体片段的开始 |
I | Internediate,代表实体片段的中间 |
M | Middle,代表实体片段的中间 |
E | End,代表实体片段的结束 |
S | Single,代表实体片段为单个字 |
O | Other,代表字符不为任何实体 |
实体识别三种常见的序列标注方法如下:
我 O
是 O
张 B-PER
某 I-PER
三 I-PER
, O
我 O
在 O
天 B-ORG
安 I-ORG
门 I-ORG
。 O
我 S
是 S
北 B
京 M
人 E
POS主要用于标记出待处理文本中每个词的词性。
主要标注的标签类型如下表所示:
类型 | 说明 | 包含词性 |
---|---|---|
N | 名词 | NN, NNP, NNPS, FW |
V | 动词 | VB, VBD, VBG, VBN, VBP, VBZ |
ADJ | 形容词 | JJ, JJR, JJS |
ADV | 副词 | RB, RBR, RBS |
类型 | 说明 |
---|---|
CC | Coordinating conjunction 连词 |
CN | Cardinal Number 基数 |
DT | Determiner 限定词(the、some) |
EX | existential 存在句(there) |
FW | 外来词 |
IN | Preposision or subordinating conjunction 介词或从属连词 |
JJ | Adjective 形容词或序数词 |
JJR | Adjective, comparative 形容词比较级 |
JJS | Adjective, superlative 形容词最高级 |
LS | List item marker 列表标示 |
MD | Modal 情态助动词 |
NN | Noun, singular or mass 常用名词 单数形式 |
NNS | Noun, plural 常用名词 复数形式 |
NNP | Proper noun, singular 专有名词,单数形式 |
NNPS | Proper noun, plural 专有名词,复数形式 |
PDT | Predeterminer 前位限定词 |
POS | Possessive ending 所有格结束词 |
PRP | Personal pronoun 人称代词 |
PRP$ | Possessive pronoun 所有格代名词 |
RB | Adverb 副词 |
RBR | Adverb, comparative 副词比较级 |
RBS | Adverb, superlative 副词最高级 |
RP | Particle 小品词 |
SYM | Symbol 符号 |
TO | to 作为介词或不定式格式 |
UH | Interjection 感叹词 |
VB | Verb, base form 动词基本形式 |
VBD | Verb, past tense 动词过去式 |
VBG | Verb, gerund or present participle 动名词和现在分词(ing) |
VBN | Verb, past participle 过去分词 |
VBP | Verb, non-3rd person singular present 动词非第三人称单数 |
VBZ | Verb, 3rd person singular present 动词第三人称单数 |
WDT | Wh-determiner 限定词(如关系限定词:whose,which.疑问限定词:what,which,whose) |
WP | Wh-pronoun 代词(who whose which) |
WP$ | Possessive wh-pronoun 所有格代词 |
WRB | Wh-adverb 疑问代词(how where when) |
组块分析是从非结构化文本中提取短语的过程。相对于POS-Tagging来说,POS-Tagging返回了解析树的最底层,就是一个个单词。但是有时候你需要的是几个单词构成的名词短语,而非个个单词,在这种情况下,您可以使用chunker获取需要的信息,而不是浪费时间为句子生成完整的解析树。举个例子(中文):与其要单个字,不如要一个词,例如,将“南非”之类的短语作为一个单独的词,而不是分别拆成“南”和“非”去理解。
组块分析是可以接着词性标注工作继续完成,它使用词性标注作为输入,并提供分析好的组块做为输出。与词性标注的标签类似,它也有一组标准的组块标签,如名词短语(np)、动词短语(vp)等,当你想从诸如位置,人名等文本中提取信息时,分块是非常重要的。在NLP中,称为命名实体识别,举个例子“李雷的杯子”是分块分出的一个短语,而抽取“李雷”这个人名,就是命名体识别。所以,组块分析也是命名体识别的基础。
NP(名词短语):NP是NLP组块分析中最为复杂的一种结构。名词短语是指中心词为名词所构成的短语,其语法功能相当于名词性成分,一般可以在句子中充当主语、宾语、定语等。从语法的角度来讲,该结构具有两种含义,一种是值按句法成分构成的短语;另一种是指知识库中的实体和属性,这种组块称为baseNP。
VP(动词短语):是以动词为中心,与其修饰、限定或并列成分共同构成的一种语义组块,除中心动词表达的行为之外,其修饰和限定成分更明确和具体化动作的语义。
QP(数词短语):由数量词构成的短语结构。
DP(限定词短语):一般用于修饰NP或限定QP,可以作为复合NP子结构。
ADJP(形容词短语):其所修饰的名词中心语总是要先投射成一个NP。
DNP:由多种类型的短语加上(DEG的)构成。它们总是出现在NP的上下文中。(DEG的)出表示它前面的短语为NP的修饰语之外,没有其他作用。DNP常被看作一种复合的NP结构。
ADVP(副词短语):常用作动词的修饰语。
PP(介词短语)
LCP:处所词为中心语的短语
语义角色标注是一种浅层语义分析技术,以句子为单位,分析句子的谓词-论元结构,不对句子所包含的语义信息进行深入分析。具体来说,语义角色标注的任务就是以句子的谓词为中心,研究句子中各成分与谓词之间的关系,并且用语义角色来描述他们之间的关系。
例:奥巴马昨晚在白宫发表了演说。
谓词 “发表”
施事 “奥巴马”
受事 “演说”
时间 “昨晚”
地点 “在白宫”
文章浏览阅读645次。这个肯定是末尾的IDAT了,因为IDAT必须要满了才会开始一下个IDAT,这个明显就是末尾的IDAT了。,对应下面的create_head()代码。,对应下面的create_tail()代码。不要考虑爆破,我已经试了一下,太多情况了。题目来源:UNCTF。_攻防世界困难模式攻略图文
文章浏览阅读2.9k次,点赞3次,收藏10次。偶尔会用到,记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录,执行导库操作 导出语句:./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释: cwy_init/init_123..._达梦数据库导入导出
文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件,可以删掉不需要要到的jsp,asp,asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件,在页面引入js文件:<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js
文章浏览阅读2.3k次,点赞6次,收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA,我们的数据线就会变为10101010,通过修改不同的内容,即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平,后半周期为低电平的状态。在SPI的通信模式中,CPHA配置会影响该实验,下图展示了不同采样位置的SPI时序图[1]。CPOL = 0,CPHA = 1:CLK空闲状态 = 低电平,数据在下降沿采样,并在上升沿移出CPOL = 0,CPHA = 0:CLK空闲状态 = 低电平,数据在上升沿采样,并在下降沿移出。_stm32g431cbu6
文章浏览阅读1.2k次,点赞2次,收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决?5.如果在数据链路层不进行帧定界,会发生什么问题?6.PPP协议的主要特点是什么?为什么PPP不使用帧的编号?PPP适用于什么情况?为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输
文章浏览阅读587次。软件测试工程师移民加拿大 无证移民,未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...
文章浏览阅读304次。Thinkpad X250笔记本电脑,装的是FreeBSD,进入BIOS修改虚拟化配置(其后可能是误设置了安全开机),保存退出后系统无法启动,显示:secure boot failed ,把自己惊出一身冷汗,因为这台笔记本刚好还没开始做备份.....根据错误提示,到bios里面去找相关配置,在Security里面找到了Secure Boot选项,发现果然被设置为Enabled,将其修改为Disabled ,再开机,终于正常启动了。_安装完系统提示secureboot failure
文章浏览阅读10w+次,点赞93次,收藏352次。1、用strtok函数进行字符串分割原型: char *strtok(char *str, const char *delim);功能:分解字符串为一组字符串。参数说明:str为要分解的字符串,delim为分隔符字符串。返回值:从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它:strtok函数线程不安全,可以使用strtok_r替代。示例://借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割
文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯:无论如何都要记日记。他的日记有个与众不同的地方,他从不注明年月日,而是用一个整数代替,比如:4210后来人们知道,那个整数就是日期,它表示那一天是高斯出生后的第几天。这或许也是个好习惯,它时时刻刻提醒着主人:日子又过去一天,还有多少时光可以用于浪费呢?高斯出生于:1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答
文章浏览阅读851次,点赞17次,收藏22次。摘要:本文利用供需算法对核极限学习机(KELM)进行优化,并用于分类。
文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功,进入系统4、测试如下:二、MySQL弱密码登录:1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功,进入MySQL系统3、测试效果:三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入
文章浏览阅读257次。本文将为初学者提供Python学习的详细指南,从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文,您将能够掌握Python编程的核心概念,为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf