python - 通过 NLTK 从字符串中解析位置、人名、日期

Question

我有很多字符串，如下所示，

1. 伊斯兰堡:首席大法官 Iftikhar Muhammad Chaudhry 说国民账户
2. 卡拉奇，7 月 24 日 -- 警方声称已分别逮捕数名嫌疑人
3. ALUM KULAM，斯里兰卡 -- 随着灰腹云层开始遮盖焦黄

我正在使用 NLTK 删除日期线部分并识别日期、位置和人名？

使用 pos 标记我可以找到词性。但我需要确定位置、日期、人名。我该怎么做？

更新:

注意:我不想执行另一个 http 请求。我需要使用我自己的代码来解析它。如果有图书馆，可以使用它。

更新:

我使用 ne_chunk。但运气不好。

import nltk

def pchunk(t):
    w_tokens = nltk.word_tokenize(t)
    pt = nltk.pos_tag(w_tokens)
    ne = nltk.ne_chunk(pt)
    print ne

# txts is a list of those 3 sentences.
for t in txts:                                            
    print t
    pchunk(t)

输出如下，

ISLAMABAD: Chief Justice Iftikhar Muhammad Chaudhry said that National Accountab

(S
  ISLAMABAD/NNP
  :/:
  Chief/NNP
  Justice/NNP
  (PERSON Iftikhar/NNP Muhammad/NNP Chaudhry/NNP)
  said/VBD
  that/IN
  (ORGANIZATION National/NNP Accountab/NNP))

KARACHI, July 24 -- Police claimed to have arrested several suspects in separate

(S
  (GPE KARACHI/NNP)
  ,/,
  July/NNP
  24/CD
  --/:
  Police/NNP
  claimed/VBD
  to/TO
  have/VB
  arrested/VBN
  several/JJ
  suspects/NNS
  in/IN
  separate/JJ)

ALUM KULAM, Sri Lanka -- As gray-bellied clouds started to blot out the scorchin

(S
  (GPE ALUM/NN)
  (ORGANIZATION KULAM/NN)
  ,/,
  (PERSON Sri/NNP Lanka/NNP)
  --/:
  As/IN
  gray-bellied/JJ
  clouds/NNS
  started/VBN
  to/TO
  blot/VB
  out/RP
  the/DT
  scorchin/NN)

仔细检查。甚至 KARACHI 也被很好地识别，但是 Sri Lanka 被识别为 Person，ISLAMABAD 被识别为 NNP 而不是 GPE。

Answer 1

如果使用 API 与您自己的代码可以满足您的要求，这就是 Wit API可以轻松地为您做。

Wit 还将把日期/时间标记解析为标准化日期。

首先，您只需提供几个示例。