我正在为我的一个项目尝试apache打开NLP，我的要求是从电子邮件内容中检测名词并检查我们的客户数据库（此数据库由个人名称，组织名称等组成和我的搜索引擎是Solr基地）。apache openNLP chuker/POS名词检测
对于普通英语名词，默认训练模型可以正常工作（对于大多数情况），但 其中一个棘手的要求是，我们的企业组织有缩写，如OK，LET等，因此在少数情况下我需要考虑OK，LET等作为名词。
举个例子 1）“发送一些项目让，请期待延误付款” 2）“让我们去聚会”
在＃1我会考虑让尽可能名词和＃2例LET不是名词。
如果我能达到这个要求，我可以在搜索引擎中减少大量的误报。
任何帮助，高度赞赏。
制作一个字典的特殊名词，并执行字典为基础的提取作为后处理步骤。基于字典的提取应考虑小写字母和大写字母之间的区别，特别是对于那些为缩写词的条目。
在实施词典查找的术语：
只要所讨论的实体是单个令牌（或仅由每个令牌的预定义，小的最大数目M），实施字典作为HashSet<String>，tokenising文本，使查找窗口中的散列每个令牌（和最多M个令牌组）应该很好地工作
如果你正在处理的很长的实体，或者如果标记化一个问题，使用一个搜索关系o r有限状态机实现字典是明智的。
最后，一如既往地与NLP，你将需要看看效果的显著样品，以确定任何进一步的问题。根据实体列表中的歧义级别，您可能需要通过在区分大小写的字典查询之上添加启发式或统计/基于ML的决策机制来进一步优化检测方法。
谢谢，但我认为我的主要问题不是大写/小写，问题是在各种情况下考虑”让“的含义（类似于”让“我有很多其他条款）.....我仍然不确定字典库方法在这里会有帮助，但让我阅读一些关于字典的更多细节，然后再回来....再次感谢。 – Rushik 2012-04-23 05:25:45
@Rushik我明白，你想要使用一种复杂的方法来“理解”（不管那意味着什么）上下文，并根据它来决定“let”是动词还是专有名词。但这不仅非常复杂，而且还需要大量的评估和改进。获得准确性最直接的方法是利用这样一个事实，即首字母缩写词大部分时间*是大写的，动词不会。 – jogojapan 2012-04-23 05:35:31
是的，我认为你是对的，我只是尝试了NLP的standford版本，正如你所提到的那样，它可以把“LET”当作名词和“let”作为动词......但是我没有得到与apache POS相同的结果，可能是我会创建词典，因为你建议实现相同...谢谢 – Rushik 2012-04-23 06:09:31
为什么不在处理后过滤掉坏的东西呢？ – dfb 2012-04-23 03:06:43
我的客户数据索引在Solr和传入的电子邮件内容搜索索引作为自由文本搜索，客户数据每天都在变化....我不知道我是否完全得到您的建议....但我想建立一些规则就像在扫描后只考虑名词基础命中（忽略非名词基础命中） – Rushik 2012-04-23 03:28:23
在你的例子中，尽管LET仍然是一个名词。你希望它被认为不是一个名词，因为它是大写的？ – dfb 2012-04-23 03:50:54