Làm thế nào để impliment một Part-of-Speech (POS) tagger

Question

Tôi đang tìm cách tốt nhất dựa trên PHP để quét rất nhiều mục văn bản (Rao vặt) và kéo ra từ khóa - bất cứ ai biết về Part-of-Speech gắn thẻ? Có một cách PHP-ish để làm điều này?

Tôi quét rất nhiều quảng cáo trực tuyến - nhưng không có mục nào! Để tăng tốc quá trình phân loại, tôi đang tìm cách cài đặt trình gắn thẻ Part-of-Speech (http://en.wikipedia.org/wiki/Part-of-speech_tagging). Về cơ bản, đây là những gói phần mềm thuật toán phân tích cú pháp văn bản có thể cho tôi biết từ nào là danh từ (như "Căn hộ", "Xe hơi", "Chó", v.v.) và những từ như rác, nếu, và, nhưng, v.v. . NHƯNG ...

Có các dịch vụ gắn thẻ trực tuyến - một dịch vụ của Yahoo, dường như ngày càng nhận được ít tình yêu hơn - một phiên bản khác của XEROX. Tuy nhiên, tôi thực sự quan tâm đến việc cài đặt thư viện/phần mềm của riêng mình và cắm nó vào ứng dụng web của tôi.

CÓ BẤT KONE ai biết cách tốt để cài đặt gắn thẻ POS hoạt động với ứng dụng web PHP không? Tôi đang chết để tìm ra điều này, vì vậy bất kỳ thông tin, lời khuyên, hoặc sự khôn ngoan khác mà bạn có thực sự được đánh giá cao!

Dưới đây là một danh sách của một LOT của phần mềm POS khác nhau: http://www-nlp.stanford.edu/links/statnlp.html#Taggers (Nhìn dưới "người gắn thẻ POS")

Thanks for reading này!

Answer 1

Ian Barber đã triển khai Trình gắn thẻ Brill bằng PHP, mà ông trình bày trên trang web PHP/ir của mình nơi ông mô tả bằng cách sử dụng nó để phân tích tweets.

Answer 2

Hiện tại tôi đang sử dụng trình gắn thẻ Brill. Nó hoạt động ở một mức độ nào đó, mặc dù tôi ước tôi có thể tìm ra cách đóng góp vào quy tắc của nó. Nó gây ra rất nhiều lỗi, nhưng vẫn cung cấp khoảng 85% dữ liệu chính xác. Vấn đề duy nhất của tôi là nó là SLOW! Nó làm cho nó đúng khi nó đếm, với những từ có nghĩa kép - tuy nhiên, có nhiều quy ước không được giải thích, chẳng hạn như mệnh đề kết hợp tương phản, ví dụ tôi có thể nói điều gì đó tiêu cực về ai đó, nhưng sau dấu phẩy, hãy nói điều gì đó đảo ngược sự phân cực thành tích cực, hay không. Máy tính không thể nhìn thấy thành ngữ.