我可以使用 NER 检测文本中的特定信息吗？
Can I use NER to detect specific information in text?
我正在开发一个应用程序，我需要创建一个 NLP 模型来检测一段文本中的特定信息。比如下面两段文字：
John 教授操作系统。
产品价格将被参数A调整70%，参数B调整30%
在示例 1 中，我需要一个能够将操作系统检测为主题的模型。我想一个简单的 NER 就可以完成这项工作。在示例 2 中，我需要检测参数 A 和 70%（参数 A，70%）和参数 B 和 30%（参数 B，30%）的组合。 NER 是否能够接受培训来完成这项工作？我可以将 NER 训练为 return 不同术语的组合吗？有更好的技术吗？
您也可以尝试 零样本分类，但为此您必须假设文本的可能主题。如果你对此没有先验的想法，是的，也许 NER 标记器（经过适当训练）可以完成这项工作
您是否考虑过问答机器人？基本上它是一个可以用自然语言回答问题的系统。查看示例 here 并尝试使用您的自定义上下文问题：
- 上下文：
The product price will be adjusted 70% by the parameter A and 30% by the parameter B
- 问题：
How much the price will be adjusted by parameter A?
- 答案：
70%（概率得分0.973）
这与您建议的方法不同，但我认为它可行
我正在开发一个应用程序，我需要创建一个 NLP 模型来检测一段文本中的特定信息。比如下面两段文字：
John 教授操作系统。
产品价格将被参数A调整70%，参数B调整30%
在示例 1 中，我需要一个能够将操作系统检测为主题的模型。我想一个简单的 NER 就可以完成这项工作。在示例 2 中，我需要检测参数 A 和 70%（参数 A，70%）和参数 B 和 30%（参数 B，30%）的组合。 NER 是否能够接受培训来完成这项工作？我可以将 NER 训练为 return 不同术语的组合吗？有更好的技术吗？
您也可以尝试 零样本分类，但为此您必须假设文本的可能主题。如果你对此没有先验的想法，是的，也许 NER 标记器（经过适当训练）可以完成这项工作
您是否考虑过问答机器人？基本上它是一个可以用自然语言回答问题的系统。查看示例 here 并尝试使用您的自定义上下文问题：
- 上下文：
The product price will be adjusted 70% by the parameter A and 30% by the parameter B - 问题：
How much the price will be adjusted by parameter A? - 答案：
70%（概率得分0.973）
这与您建议的方法不同，但我认为它可行