Når vi gjør Targeted Sentiment Analysis, ønsker vi å finne hva i teksten som omtales positivt eller negativt.

Når vi gjør Named Entity Recognition, ønsker vi å finne hva i teksten som representerer en person, en virksomhet eller et geografisk sted.

Men så har vi spørsmålet om hvilke at disse som refererer til samme person eller virksomhet. Det er veldig interessant, og jeg fant en artikkel i Medium som beskriver et eksempel på hvordan denne prosessen kan se ut. Han har en pipeline på Github som er satt sammen av flere interessante komponenter. Som han nevner i artikkelen, er det vanskelig å få installert de forskjellige modulene slik at de snakker sammen og er fornøyd med hverandre. Men det kan anbefales. Jeg kom i havn med Python 3.6, Spacy 2.3 og å klone ned neuralcoref og openNRE og installere de lokalt.

Uansett, så har jeg trukket ut den første biten fra det repoet som er Wikifier. Jeg ser at i litteraturen brukes gjerne denne artikkeleni en eller annen form, som en referanse. Min wikify_demo.py ligger i norec_fine_tools. Legg inn stien til json treningsdata fra Norec_fine, legg inn stien til en cachemappe, og legg inn søketeksten. Med “peter” eller “mari” ser vi både hvor godt det fingerer, og hvor uperfekt det er. Av en eller annen grunn vil ikke Maria Mena la seg kategorisere. Nesten alle feilene er visst knytta til henne:

Individuals found in the training set, containing "mari":

Mentions of Fredrikke Marie Qvam in the training set, according to Wikifier:
Web page: http://no.wikipedia.org/wiki/Fredrikke_Marie_Qvam  
Hun har bakgrunn som journalist i Klassekampen , og utga i 2013 en biografi om Fredrikke Marie Qvam , en av strategene bak kvinnenes seier i kampen for stemmerett .

Mentions of Maria I av England in the training set, according to Wikifier:
Web page: http://no.wikipedia.org/wiki/Maria_I_av_England  
Dette er Maria Menas nyeste plate :  
Maria Kannegaard trio :  
Maria Mena :  
Å « synge sin dagbok » er det Maria Mena gjør .

Mentions of Maria Mena in the training set, according to Wikifier:
Web page: http://no.wikipedia.org/wiki/Maria_Mena  
Årets album viser Maria Mena fra en lysere side , der mye av musikken er gitarbasert , gode og varierte låter i et fengende , melodisk poplandskap .  
« Mellow » befester Maria Menas stilling som en av våre unge , dyktige låtskrivere .  

Mentions of Maria Mittet in the training set, according to Wikifier:
Web page: http://no.wikipedia.org/wiki/Maria_Mittet  
Maria Mena synger bedre enn noen gang .

Mentions of Mariann Thomassen in the training set, according to Wikifier:
Web page: http://no.wikipedia.org/wiki/Mariann_Thomassen  
Factor » betyr ikke nødvendigvis at din egen popkarriere får et oppsving - bare spør Mira Craig eller Mariann Thomassen .

Mentions of Mario Götze in the training set, according to Wikifier:
Web page: http://no.wikipedia.org/wiki/Mario_G%c3%b6tze  
Mario Götze erstattet tidenes mestscorende i VM-historien , Miroslav Klose , etter 88 minutter .  
Og i 2014 var det altså unggutten Mario Götze som ble den store helten , til tross for at han ikke har vært fast på det tyske laget de siste VM-kampene .

Mentions of Marion Ravn in the training set, according to Wikifier:
Web page: http://no.wikipedia.org/wiki/Marion_Ravn  
Marion Ravn debuterer i samme rolle i morgen kveld , og for at vi ikke skal være i tvil om hvorfor hun er med lanserte hun sin nye singel på P4 i går .

Et sprøsmål man kan stille seg er om den første setningen forteller oss at Fredrikke Marie Qvam var journalist i Klassekampen. Eller- hvem er “Hun” som setningen begynner med? For å svare på det må vi ha coreference resolution. Det er også med i repoet til Tomaz Bratanic. Så får vi se hvor greit det er å få det til å fungere med norsk tekst…