NLP的Python框架？

@sel和@ 3kt确实是一个很好的答案。OP，您正在寻找Entity Extraction，通常称为具名实体识别。有许多API可以执行此操作。但是您需要问自己的第一个问题是

我的数据的结构是什么？更确切地说，

我的句子英语水平好吗？

从某种意义上讲，您正在使用的数据在语法上是否一贯正确，大写且结构合理。在提取实体时，这些因素至关重要。我处理过的数据是推文。绝对的噩梦！我对各种API在实体提取方面的性能进行了详细的分析，我将与您分享发现的内容。

这是执行神话般的实体提取的API，

NLTK有一个方便的参考书籍，其深入的谈到了与多个实例的功能。NLTK在嘈杂的数据（推文）上表现不佳，因为它已经在结构化数据上进行了训练。NLTK是大写单词（例如DUCK，动词，CHAIR）的绝对垃圾。而且，与其他API相比，它的精度稍差一些。它非常适合新闻文章和学术报告中的结构化数据或精选数据。对于初学者来说，这是一个很好的学习工具。

Alchemy更易于实现，并且在命名实体的分类中表现出色，与我提到的API相比，它具有很高的精度，但是它具有一定的交易成本。一天只能执行1000个查询！它标识推特句柄，并且可以处理笨拙的大写字母。

恕我直言，sPacy API可能是最好的。它是开源的。它的性能优于Alchemy API，但不够精确。几乎对炼金术也进行实体分类。

现在，您知道哪个API应该是一个简单的问题，因为您知道每个API可能会根据所拥有的数据表现如何。

额外 -POLYGLOT是另一个API。

这是一篇在NLTK中执行实体提取的博客文章。

艾伦·里特（Alan Ritter）撰写的精美论文可能会笼罩您的头顶。但这是专业级别的实体提取（尤其是在嘈杂数据中）的标准。您可以不时参考它，以了解复杂的概念，例如LDA或SVM以大写形式。