Extrair lista de pessoas e organizações usando o Stanford NER Tagger no NLTK
Estou tentando extrair uma lista de pessoas e organizações usando o Stanford Named Entity Recognizer (NER) no Python NLTK. Quando eu corro:
from nltk.tag.stanford import NERTagger
st = NERTagger('/usr/share/stanford-ner/classifiers/all.3class.distsim.crf.ser.gz',
'/usr/share/stanford-ner/stanford-ner.jar')
r=st.tag('Rami Eid is studying at Stony Brook University in NY'.split())
print(r)
a saída é:
[('Rami', 'PERSON'), ('Eid', 'PERSON'), ('is', 'O'), ('studying', 'O'),
('at', 'O'), ('Stony', 'ORGANIZATION'), ('Brook', 'ORGANIZATION'),
('University', 'ORGANIZATION'), ('in', 'O'), ('NY', 'LOCATION')]
o que eu quero é extrair desta lista todas as pessoas e organizações neste formulário:
Rami Eid
Sony Brook University
Tentei percorrer a lista de tuplas:
for x,y in i:
if y == 'ORGANIZATION':
print(x)
Mas esse código apenas imprime todas as entidades, uma por linha:
Sony
Brook
University
Com dados reais, pode haver mais de uma organização, pessoas em uma frase, como posso colocar os limites entre diferentes entidades?