Libreria Entity Extraction

Question

Sto cercando una libreria che analizzi il testo ed estrae le entità.

Il tipo/classificazione di un'entità non è critico, è l'identificazione di qualcosa che vale la pena che è fondamentale. L'universo delle entità in questo caso è infinito, non è limitato da un dizionario fisso.

Sembra che ci siano un paio di servizi Web che lo fanno (NERD ti permette di confrontare i risultati di questi servizi web: http://nerd.eurecom.fr/documentation che è piuttosto utile), ma sto cercando una libreria locale e non un host remoto servizio. Preferirei Java o .NET ma se è una buona libreria imparerò qualunque lingua sia scritta.

Ci sono alcuni thread precedenti su argomenti simili e speravo di trovare nuovi sviluppi in quest'area, e/o librerie costruito sulla cima di livello inferiore biblioteche NLP:

• Entity Extraction/Recognition with free tools while feeding Lucene Index
• Lucene Entity Extraction
• How do I do Entity Extraction in Lucene
• https://stackoverflow.com/questions/tagged/named-entity-extraction
• https://stackoverflow.com/questions/tagged/named-entity-recognition

Qualcuno sa di una buona biblioteca che fa un lavoro decente?

Answer 1

ho studiato, ma mai usato, i seguenti servizi di identificazione di entità ospitati:

OpenCalais

• Documentazione: http://www.opencalais.com/documentation/calais-web-service-api
• API Java: http://code.google.com/p/j-calais/

AlchemyAPI

• Sito web: http://www.alchemyapi.com/
• API Java http://www.alchemyapi.com/tools/

Answer 2

Se hai dimestichezza con il Perl, ci sono diversi taggers lingua/parti del discorso tagger disponibili (Lingua::TreeTagger e Lingua::BrillTagger vengono in mente (via Google)).

Answer 3

È possibile utilizzare NLTK e Python. Vedere this question per un esempio di utilizzo di NLTK per eseguire NER.