我正在尝试分析一组短语，但我并不确定“自然语言处理”如何能帮助我，或者是否有人可以与我分享他们的知识。
我的目标是提取街道和地点信息。这类信息通常不会以结构化的方式呈现给读者，因此很难找到解析的方法。我有两个主要目标。
首先是提取街道本身。据我所知，NLP库可以帮助我对短语进行分词并进行分析，从而提取名词（例如）。但街道从哪里开始，到哪里结束呢？我假设我需要将这个分析与街道数据库进行比较，但我不知道最佳的方法是什么。
此外，我还想推断出严重程度，例如在车祸中的严重程度。我假设唯一的方法是通过短语中出现的词语建立某种启发式规则（例如，如果出现“死亡”一词则加100分）。我这样想对吗？
非常感谢你们一如既往的帮助！:)
回答：
你想要做的第一部分（“首先是提取街道本身。[…]但街道从哪里开始，到哪里结束呢？”）属于NLP的一个子领域，称为命名实体识别。有许多可用的库可以完成这项任务。我个人喜欢Python的NLTK。根据你的选择，我认为街道名称数据库对于训练识别器会很有用，但你可能使用默认语料库也能获得不错的结果。请阅读你所使用的NLP库的文档以了解更多信息。
第二部分，识别事故的严重程度，起初可以作为一个独立的问题来处理。你可以将原始词语或它们的词性标签作为特征，并训练一个分类器（SVM、HMM、KNN，由你选择）。你需要一个相当大的、正确标记的训练集；从你的描述来看，我不确定你是否有这样的数据集？
“我假设唯一的方法是通过短语中出现的词语建立某种启发式规则”这句话非常模糊，可能意味着很多事情。根据下一句话，看起来你认为扫描预定义的关键词列表是唯一的方法。如果是这样的话，不，请看上面的段落。
一旦你完成了这两部分的工作，你就可以将它们结合起来，统计每条街道的 accidents 数量及其严重程度。使用一些地理编码库，你甚至可以推广到社区或城市。另一个挑战是检测同义词（例如“Smith Str”与“John Smith Street”）和同音异义词（例如伦敦的“Smith Street”与利兹的“Smith Street”）。
