nlp - 我应该使用 NLP 来检测元数据中的实体吗？如何？

Question

我有一些关于建筑物的元数据，这里是一个例子：
AHU-S-6F-01.RA.CO2.1
我正在寻找一种方法让计算机能够识别元数据中的实体，例如：
[Location].[Sensor-Type].[Sensor-Element].[Sensor-ID]
数据集中还有其他数据格式，所以我想我可以使用命名实体识别 (NER) 并由 Tensorflow.js 实现，以使计算机学会识别元数据中的实体并给它们打上标签。我在下面找到了一个例子：

https://monkeylearn.com/text-analysis/

命名实体识别 (NER) 是否适合用于检测元数据中的实体？如何通过 Tensorflow.js 实现它？
如果没有，我应该用什么来解决这个问题？
谢谢！！！

标签： nlpmetadatatensorflow.jstaggingnamed-entity-recognition

Answer 1

如果您的信息是完全可预测的（确定性的），每个字段都是预期的并且每个值都是预定义的，我会选择正则表达式。

NLP/NER 技术需要一些训练（成百上千个训练示例），如果值随时间变化，您必须使用新示例重新训练。它可以处理出现歧义的情况（可能不是您的情况）。