我已经阅读了Lingpipe用于自然语言处理的资料，发现它能够识别出文本中提到的人名、地点和组织名称。我的问题是，如果我有一组训练文档，其中包含了软件项目的提及，我能否使用这组训练文档来训练一个命名实体识别器？一旦训练完成，我应该能够将一组测试文本文档输入到训练好的模型中，并能够识别出其中的软件项目提及。

这种通用命名实体识别是否可能使用NER实现？如果可以，我应该使用哪些特征来输入？

谢谢@隐藏人名

回答：

只要你有足够的带有标记的软件项目的训练数据，这是可能的。

如果使用Lingpipe，我会首先选择字符n-gram模型来完成你的任务。它们简单且通常能完成工作。如果结果不够好，一些标准的NER特征包括：

• 词元
• 词性（POS）
• 大写字母
• 标点符号
• 字符签名：这些是一些想法：（LUCENE -> AAAAAA -> A），（Lucene -> Aaaaaa -> Aa），（Lucene-core –> Aaaaa-aaaa –> Aa-a）
• 如果可以从维基百科、SourceForge或任何其他内部资源中获取软件项目列表，编制一个地名词典（gazetteer）也可能是有用的。

最后，对于每个词元，你可以添加上下文特征，即当前词元之前的词元（t-1, t-2…），当前词元之后的词元（t+1, t+2…），以及它们的大双连词组合（t-2^t-1），（t+1^t+2）。