我正在使用StanfordNER分类器。共有4个分类器，如下所示：
english.all.3class.distsim.crf.ser.gzenglish.muc.7class.distsim.crf.ser.gzenglish.conll.4class.distsim.crf.ser.gzexample.serialized.ncc.ncc.ser.gz这些分类器是如何构建的？由于每个分类器基于不同的语料库，我的猜测如下：
-
在语料库上训练一个像
SVM这样的机器学习分类器，并结合OVR（用于多标签情况）来检测ORGANIZATION、PERSON、LOCATION等实体。这意味着训练数据将是语料库中文档的全部文本。对于那段文本，我们明确指出ORGANIZATION、PERSON和LOCATION。因此，分类器将能够预测这些实体。 -
训练一个机器学习分类器，将词性标签与
ORGANIZATION、PERSON、LOCATION等实体联系起来。例如，可以训练一个分类器来预测哪些专有名词应被标记为ORGANIZATION。
这是正确的总体概况吗？我只是在尝试弄清楚如何构建我自己的命名实体识别系统。
回答：
是的，这些模型是在监督数据上训练的。它们是一阶条件随机场（CRF），进行多类概率序列分类（所以不是OVR，也不是SVM）。你可以在Stanford NER页面上找到关于命名实体识别和Stanford NER的介绍。
