1 つ以上の人名を含む入力テキストがあります。これらの名前の辞書はありません。入力テキストから名前を定義するのに役立つ Java ライブラリはどれですか? OpenNLP を調べましたが、コードに適用する方法の例やガイド、または少なくとも説明は見つかりませんでした。(私は javadoc を見ましたが、そのようなプロジェクトのドキュメントはかなり貧弱です。)
ランダムなテキストから名前を見つけたい。入力テキストが「私の友人のジョー・スミスが店に行きました。」の場合、「ジョー・スミス」を取得します。私は、人間の名前を理解できる、より小さな辞書に基づいて、スマート エンジンに十分な大きさの辞書が必要だと思います。
OpenNLP には Named Entity 認識があります。ドキュメントの英語名の検索セクションを確認してください。しかし、私の経験では、エンティティを識別しますが、それに関連付けられたタグはありません。(正確には、タグがあいまいに割り当てられていることがわかりました。) したがって、「私の友人のジョー・スミスがウォルマートの店に行った」という文がある場合、OpenNLP は「ジョー・スミス」と「ウォルマート」という 2 つの名前付きエンティティを識別します。「Joe Smith」を個人として、「Walmart」を組織としてタグ付けできませんでした。
Matt が提案したように、商用ツールですが、LingPipe を試すことができます。オープン ソースの代替手段には、MorphAdornerとStanford NERがあります。
あなたが何をしているのかについての詳細を待っている間、少なくとも米国の人口統計では、一般的な名のリストへのリンクがいくつかあります。
あなたのタスクは、参照情報なしでNLPができることのようには聞こえないので、チェックするためにこれら（および/またはそれ以上）が必要になると思います。
OpenNlp の NER モデルには person タイプがあります。opennlp Web サイトからプロジェクトとモデルをダウンロードし、models Web サイトからモデルを取得します (Opennlp ページにリンクがあります)。次に、http: //www.asksunny.com/drupal/?q=node/4 にアクセスします。これは、モデルをロードして NER を実行する方法の良い例です。NER は決して完璧ではないので、がっかりしないでください。
ここでフリーテキストからの人物抽出を確認できますhttp://code.google.com/p/graph-expression/wiki/Examples
スタンフォードの Name Entity Recognizer (NER) を使用することをお勧めします。スタンフォード NER は多くの分類子を提供します。スタンフォード NER が提供する分類子の 1 つは、指定されたテキストから名前、場所、および組織を識別できます。
このリンク http://nlp.stanford.edu:8080/ner/で、スタンフォード NER のオンライン デモを見つけることができます。
また、セマンティックの観点から、OpenCycおよびWordNetプロジェクトをより興味深いものとして見ることもできます。
この問題は、自然言語処理における固有表現認識で対処されており、現時点では少し難しい問題と考えられています。ただし、そのために使用できるツールはたくさんあります。これにはスタンフォード NER を使用しましたが、これは優れたソフトウェアです。
テキスト処理ライブラリである Stanford NER を試す