我是WEKA的新手,我想问你几个有关WEKA的问题。 我按照这个教程(Named Entity Recognition using WEKA)。使用WEKA命名实体识别
但我真的很困惑,根本不知道。
- 是否有可能如果我想通过短语而不是词/标记过滤字符串?
举例来说,在我的.ARFF文件:
@attribute text string
@attribute tag {CC, CD, DT, EX, FW, IN, JJ, JJR, JJS, LS, MD, NN, NNS, NNP, NNPS, PDT, POS, PRP, PRP$, RB, RBR, RBS, RP, SYM, TO, UH, VB, VBD , VBG, VBN , VBP, VBZ, WDT, WP, WP$, WRB, ,, ., :}
@attribute capital {Y, N}
@attribute chunked {B-NP, I-NP, B-VP, I-VP, B-PP, I-PP, B-ADJP, B-ADVP , B-SBAR, B-PRT, O-Punctuation}
@attribute @@[email protected]@ {B-PER, I-PER, B-ORG, I-ORG, B-NUM, I-NUM, O, B-LOC, I-LOC}
@data
'Wanna',NNP,Y,B-NP,O
'be',VB,N,B-VP,O
'like',IN,N,B-PP,O
'New',NNP,Y,B-NP,B-LOC
'York',NNP,Y,I-NP,I-LOC
'?',.,N,O-Punctuation,O
所以,当我过滤字符串,它标记化串入词,但我想是的,我要来标记/根据过滤字符串到这句话。例如根据分块的属性提取短语“纽约”而不是“纽约”和“约克”。
“B-NP”表示开始短语,“I-NP”表示下一个短语(短语的中间或结尾)。
- 我怎样才能显示结果为例如分类类:
B-PER和I-PER为类名的人吗?
TP Rate FP Rate Precision Recall F-Measure ROC Area Class
0 0.021 0 0 0 0.768 B-PER
1 0.084 0.333 1 0.5 0.963 I-PER
0.167 0.054 0.167 0.167 0.167 0.313 B-ORG
0 0 0 0 0 0.964 I-ORG
0 0 0 0 0 0.281 B-NUM
0 0 0 0 0 0.148 I-NUM
0.972 0.074 0.972 0.972 0.972 0.949 O
0.875 0 1 0.875 0.933 0.977 B-LOC
0 0 0 0 0 0.907 I-LOC
加权平均值。 0.828 0.061 0.811 0.828 0.813 0.894
谢谢eldams。 – tee
不客气 - 不要犹豫,我的答案投票,如果它确实有帮助... :) – eldams
N-grams(N个单词/项目的secuences)是这项任务的有用方法吗?这可以通过预处理输入并将数据转换为Weka实例(作为实例的N-gram)来完成。对于外部参考,这也称为shingling(拼写:相当于N,secuence的单词,字符,事件等)。 – shirowww