Puede usar el NER de Stanford CoreNLP para extraer entidades con nombre de sus oraciones; en sus ejemplos, reconocería que “Paul” es una PERSONA. Pero no creo que haya nada disponible en CoreNLP para capturar palabras o intenciones intencionales. Sin embargo, puede encontrar manualmente reglas que usen combinaciones NER con palabras de intención que reflejen una intención particular, y una vez que sus reglas capturen suficientes casos positivos, puede usar estos (junto con un número similar de casos “negativos” elegidos al azar del mismo cuerpo) para entrenar un clasificador de intención.
Hice algo similar para capturar las edades de las oraciones en las notas del médico. La idea era encontrar oraciones que dieran evidencia para clasificar al paciente al que se hace referencia como recién nacido, niño, adolescente, adulto, de mediana edad o anciano. No utilicé NER allí, solo busqué algunos patrones que encontré comunes en el texto, como “NN envejecido”, “NN y / o”, etc. y luego revisé todo el corpus con estas reglas hechas a mano para encontrar mis oraciones de entrenamiento Pero su caso es más difícil, por lo que los NER probablemente serían útiles.
- ¿Cuáles son los requisitos previos para comenzar todo este aprendizaje automático, procesamiento del lenguaje natural, aprendizaje profundo, etc.?
- ¿Qué es mejor para mí como estudiante? ¿Debería codificar los modelos de aprendizaje automático (donde pueda) o debería usar la biblioteca tanto como pueda?
- ¿Qué máquina es mejor para clasificar imágenes, SVM u otra? ¿Por qué?
- ¿Cómo podemos saber si una heurística es mejor que otra sin ejecutarla?
- ¿Es Kafka la mejor solución para crear una aplicación de visión por computadora?
