Namnigenkänning (NER) med Stanzas standardmodell för engelska
Namnigenkänning (NER) gör det möjligt att märka upp namnentiteter (som t.ex. personnamn, organisationer, ortnamn) i texten.
Namnigenkänning (NER) gör det möjligt att märka upp namnentiteter (som t.ex. personnamn, organisationer, ortnamn) i texten.
This analysis is used with Sparv. Check out Sparv's quick start guide to get started!
To use this analysis, add the following lines under export.annotations
in the Sparv corpus configuration file:
- stanza.ne # Named entity segments from Stanza
- stanza.ne:stanza.ne_type # Named entitiy types from Stanza
For more info on how to use Sparv, check out the Sparv documentation.
Example output:
<token>The</token>
<ne ne_type="NORP">
<token>Swedish</token>
</ne>
<token>chemist</token>
<ne ne_type="PERSON">
<token>Alfred</token>
<token>Bernhard</token>
<token>Nobel</token>
</ne>
<token>was</token>
<token>born</token>
<token>on</token>
<ne ne_type="DATE">
<token>21</token>
<token>October</token>
<token>1833</token>
</ne>
<token>in</token>
<ne ne_type="GPE">
<token>Stockholm</token>
</ne>
<token>.</token>
Stanza: Peng Qi, Yuhao Zhang, Yuhui Zhang, Jason Bolton and Christopher D. Manning. 2020
Stanza: A Python Natural Language Processing Toolkit for Many Human Languages. In Association for Computational Linguistics (ACL) System Demonstrations. 2020
Stanza standard model for English (https://stanfordnlp.github.io/stanza/models.html)