MITIE

收录理由

MITIE 提供了一套从原始文本中抽取命名实体和二元关系的能力，整个过程不依赖任何云端接口，完全本地运行。它的核心是一个基于 dlib 构建的 C++ 库，融合了分布式词向量与结构化支持向量机技术来完成抽取任务。项目内置了针对英语、西班牙语和德语的预训练模型，这些模型分别基于 CoNLL 2003、ACE、Wikipedia 和 Freebase 等语料训练而成，拿到手就能直接使用，省去自己训练模型的功夫。除了 C++ 原生接口，它还提供了 Python、R、Java、C 和 MATLAB 的绑定，方便集成到不同技术栈的应用中；社区也贡献了 OCaml、.NET、PHP 和 Ruby 的封装。如果你需要处理自己的特定数据，示例程序里详细展示了如何训练自定义的抽取器和关系检测器。MITIE 采用允许商业使用的许可证，项目存在时间较长，更新节奏不快，使用时需要自己编译源码并手动下载模型文件，适合愿意投入一点维护成本的团队。