新闻中文本地域信息标签的抽取
发布时间：2021-01-28 02:43:48 所属栏目：大数据 来源：网络整理
导读：这里主要是基于规则的新闻地域提取方法，这里简要记录一下思路。 首先我们拥有了地域信息数据库，并且标注了省市的layer层信息。主要思路是利用nlp库，分词得到标有地名属性词，在于地域数据库匹配。 第一步，提取正文分词得到标注为地名的词语。 第二步，匹
|
这里主要是基于规则的新闻地域提取方法，这里简要记录一下思路。
首先我们拥有了地域信息数据库，并且标注了省市的layer层信息。主要思路是利用nlp库，分词得到标有地名属性词，在于地域数据库匹配。
第一步，提取正文分词得到标注为地名的词语。
第二步，匹配地域数据库。
按照数据库的分类有
省：一级
市：二级
区、县：三级
算法伪代码：code指当前城市的key,pcode则是其上级城市的key。 case1 ：只出现一个,地域。->列出所有可能的<code,pcode> 例如只出现朝阳，则列出<朝阳，辽宁>,<朝阳，北京> ? ?如果，分词出现，朝阳，北京，南京。则结果为<北京-朝阳> <江苏-南京>。 case2：多地域。 for1 依次循环遍历地域信息列表。 按照出现最多的地域，依次列出<code1，pcode1>，<code2,pcode2>..... for2 循环所有的code1...code2...if (其它有地域的code等于此pcode) ? ? 则列出<code，pcode>。根据此pcode,查找ppcode. 当下次for1循环遍历到此pcode的时候，continue略过。 此过程会产出"code->code->code"格式 （为目表类型）。 else ? 列出自身code，pcode。 项目中使用了FudanNLP做的地名抽取换成其它库也ok，最终效果正确率90%以上。 （编辑：青岛站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐