19、自然语言处理中的信息提取高级任务

最新推荐文章于 2025-11-24 16:27:57 发布

pytorchlight8

最新推荐文章于 2025-11-24 16:27:57 发布

阅读量72

点赞数

CC 4.0 BY-SA版权

分类专栏： NLP实战指南：从理论到应用文章标签：自然语言处理信息提取实体链接

本文链接：https://blog.youkuaiyun.com/pytorchlight8/article/details/151093513

NLP实战指南：从理论到应用专栏收录该内容

37 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

自然语言处理中的信息提取高级任务

1. 实体链接（NEL）

实体链接（NEL）是一项比文本表示、文本分类、命名实体识别（NER）和关键词提取（KPE）更专业的自然语言处理任务。它需要一个大型的带注释数据集以及某种百科全书式的资源来进行链接。在实际应用中，使用像 IBM（Watson）和 Microsoft（Azure）等大公司提供的现成的按使用付费服务来进行实体链接更为常见，而不是开发内部系统。

1.1 使用 Azure API 进行实体链接

Azure 文本分析 API 是用于实体链接的流行 API 之一，DBpedia Spotlight 也是一个免费可用的工具。以下是使用 Azure API 对文本进行实体链接的代码示例：

import requests
my_api_key = 'XXXXXXX'
def print_entities(text): 
    url = "https://westcentralus.api.cognitive.microsoft.com/text/analytics/\
    v2.1/entities" 
    documents = {'documents':[{'id':'1', 'language':'en', 'text':text}]} 
    headers = {'Ocp-Apim-Subscription-Key': my_api_key} 
    response = requests.post(url, headers=headers, json=documents) 
    entities = response.jso