Czy powinienem używać LingPipe lub NLTK do wyodrębniania nazw i miejsc?

Question

szukam wyodrębnić nazwy i miejsca z bardzo krótkimi seriami przykład tekstu

 
"cardinals vs jays in toronto" 
" Daniel Nestor and Nenad Zimonjic play Jonas Bjorkman w/ Kevin Ullyett, paris time to be announced" 
"jenson button - pole position, brawn-mercedes - monaco". 

Dane te są obecnie w bazie danych MySQL, a ja (prawie) posiadają oddzielny rekord dla każdego sportowca, choć nazwy czasami są błędnie napisane, itd.

Chciałbym wydobyć sportowców i lokalizacje. Zwykle pracuję w PHP, ale nie byłem w stanie znaleźć biblioteki do ekstrakcji jednostek (i mogę chcieć zagłębić się w niektóre NLP i ML w przyszłości).

Z tego, co odkryłem, najbardziej polecane są LingPipe i NLTK, ale nie wiem, czy tak naprawdę będzie to odpowiadało mojemu celowi, czy też coś innego będzie lepsze.

Nie programowałem ani w Javie, ani w Pythonie, więc zanim zacznę uczyć się nowych języków, mam nadzieję uzyskać porady dotyczące trasy, którą mam podążać lub innych zaleceń.

Answer 1

To, co opisujesz, to named entity recognition. Więc polecam sprawdzenie innego questions w odniesieniu do tego tematu, jeśli jeszcze ich nie widziałeś. This wygląda jak najbardziej przydatna odpowiedź do mnie.

Nie mogę naprawdę komentować, czy NLTK lub LingPipe najlepiej nadają się do tego zadania, chociaż patrząc na odpowiedzi wygląda na to, że istnieje sporo innych zasobów napisanych w Javie.

Zaletą korzystania z NLTK jest to, że język Python jest bardzo łatwo dostępny. Inną zaletą jest to, że NLTK book (który jest dostępny za darmo) oferuje jednocześnie wprowadzenie do Pythona i NLTK, co byłoby dla Ciebie przydatne.