使用什么机器/深度学习/ nlp技术将给定单词分类为名称，手机号码，地址，电子邮件，州，县，城市等

我正在尝试生成一个智能模型，该模型可以扫描一组单词或字符串，并使用机器学习或深度学习将它们分类为名称，手机号码，地址，城市，州，国家和其他实体。

我一直在寻找方法，但是不幸的是我没有找到任何方法。我曾尝试用词袋模型和嵌入的手套词来预测字符串是名称还是城市等。

但是，我的单词袋模型并没有成功，在GloVe中，嵌入示例中没有涉及很多名称：-劳伦出现在手套中，而劳伦娜则没有

我确实在这里找到了这篇文章，该文章的答案很合理，但是除了使用NLP和SVM来解决这个问题之外，我无法采用该方法来解决该问题。

任何建议表示赞赏

致谢，Sai Charan Adurthi。

您可以应用字符克-直观上讲，电话号码和电子邮件地址之间的字符集可能会有巨大差异。然后将字符语法向量传递到SVM进行预测。您可以使用以下功能提取器在sklearn中使用此功能。

1. TfIdfVectorizer（analyzer ='character'）

2. CountVectorizer（analyzer ='character'）

对SVM的ngram范围和松弛变量进行交叉验证，以微调模型。

将常见的分类标签应用于单词通常称为命名实体识别（NER）。

NER可以通过静态规则（例如正则表达式）或学习的规则（例如决策树）来完成。这些规则通常是脆弱的，不能一概而论。条件随机字段（CRF）通常是更好的解决方案，因为它们能够对语言的潜在状态进行建模。NER中最新的性能是通过结合深度学习模型来完成的。

在斯坦福命名实体识别和spaCy是封装来执行ER。