从句子中提取信息

我正在创建一个简单的聊天机器人。我想从用户响应中获取信息。一个示例场景：

Bot : Hi, what is your name?
User: My name is Edwin.

我希望从句子中提取出埃德温的名字。但是，用户可以通过不同的方式进行响应，例如

User: Edwin is my name.
User: I am Edwin.
User: Edwin. 

我试图依靠单词之间的依赖关系，但结果效果不佳。

关于可以使用哪种技术来解决此问题的任何想法？

[更新]

我使用命名实体识别以及部分语音标记器和解析器进行了测试。我发现大多数模型都是以某种方式训练的，即人名或专有名词的实体的第一个字符必须为大写。这对于普通文档可能是正确的，但是对于聊天机器人则无关紧要。例如

User: my name is edwin.

大多数NER未能意识到这一点。

您可以将命名实体识别和语法分析结合使用-当Edwin这个词肯定会受到支持时，请想象一下这样的情况，名称为Edward Philip Martel。NER将每个单词检测为一个单独的实体（因此有3个不同的实体）-因此，您仍然必须根据某种逻辑将它们串联在一起。此外，在存在多个名称的情况下，很难消除歧义（例如John和Ramsey在Winterfell用餐）。

在这里，对句子语法的分析也将有所帮助（假设最终用户输入了相对连贯且正确的句子-如果使用语和简短形式的文本，即使是Stanford NLP也只能在一定程度上提供帮助）。

以下示例是利用语法分析/解析和NER的一种方法-

 1. User: Edwin is my name.
 2. User: I am Edwin.
 3. User: My name is Edwin.

在每种情况下（通常也是如此），实体名称（专有名词/名词）与动词紧密相关。因此，如果您首先解析句子以确定动词，然后将NER应用于周围的（+/- 1或2）个单词，则可能会有相对不错的方法来解决问题。该解决方案将主要取决于您创建的用于识别NER的语法规则以及动词周围的窗口。

您应该使用命名实体识别，例如NLTK的http://www.nltk.org/book/ch07.html <-，您可以在此处找到用法示例。这将非常适合您描述的情况。

这可以通过CRF轻松完成。您可以使用BIO编码来标记句子。然后将其传递给CRF。您只需创建一些加标签的句子以进行培训，如下所示，

 I am Edwin.
 O O  B-NAME

 You can call me Alfred
 O   O    O    O B-NAME

 My name is  Edwin   thomas
 O  O     O  B-NAME  I-NAME

CRFsuite和CRF ++是一些好的实现。CRFsuite有一个名为pycrfsuite的python包装器，非常容易实现。在github上查看此ipython笔记本或此代码段以获取NER的端到端实现。

请使用NER和用python编写的意图分类在github上检查此开源聊天机器人项目。他们具有易于使用的培训用户界面，您可以在其中培训机器人以从句子中提取信息。

为了高精度地执行此类任务，建议您在word2vec的帮助下使用词嵌入构建LSTM模型。如果句子中已经存在一组单词，则LSTM可以帮助从句子中检索信息并预测下一个字符或单词。