- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想要识别简单的短语,例如 google calendar 中发生的那些但我不必解析日历条目,而是解析与财务、会计和待办事项列表相关的句子。所以例如我必须解析像
这样的句子I spent 50 dollars on food yesterday
我需要将信息单独标记为 Reason : 'food'
, Cost : 50
和 Time: <Yesterday's Date>
我的问题是我是否需要像这样的完整的自然语言处理在这些问题中给出并使用类似 GATE 的东西
Machine Learning and Natural Language Processing
Natural Language Processing in Ruby
Ideas for Natural Language Processing project?
https://stackoverflow.com/a/3058063/492561
还是使用像 AntLR 这样的东西编写简单的语法并尝试识别它更好。
或者我是否应该真正降低并只定义语法并使用正则表达式。
时间有限,我有大约 45 - 50 天的时间,而且我不知道如何使用 AntLR 或 NLP 库(如 GATE)。
首选语言:Python、Java、Ruby(排名不分先后)
PS:这不是家庭作业,所以请不要这样标记它。
PPS:请尝试用事实给出答案,说明为什么使用特定方法更好。即使特定方法可能不适合时间限制,也请随时分享它,因为它可能会使其他人受益。
最佳答案
您确实可以看看命名实体识别。根据您的问题,我了解到您的域定义非常明确,因此您可以识别与您相关的(少数?)实体(日期、货币、金额、时间表达式等)。如果短语非常简单,您可以采用基于规则的方法,否则它可能很快就会变得太复杂。
只是为了让自己在几秒钟内启动并运行,http://timmcnamara.co.nz/post/2650550090/extracting-names-with-6-lines-of-python-code是您可以做什么的一个非常好的例子。当然,我不希望仅仅 6 行 python 就能获得高精度,但它应该让您了解它是如何工作的:
1>>> import nltk
2>>> def extract_entities(text):
3... for sent in nltk.sent_tokenize(text):
4... for chunk in nltk.ne_chunk(nltk.pos_tag(nltk.word_tokenize(sent))):
5... if hasattr(chunk, 'node'):
6... print chunk.node, ' '.join(c[0] for c in chunk.leaves())
核心思想在第 3 行和第 4 行:在第 3 行,它将文本拆分为句子并迭代它们。在第 4 行,它将句子拆分为标记,运行 "part of speech" tagging在句子上,然后将带有 pos-tagged 的句子提供给命名实体识别算法。这是最基本的管道。
总的来说,nltk 是一款非常漂亮的软件,而且文档非常齐全:我会看看它。其他答案包含非常有用的链接。
关于regex - 简单的短语识别,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8850602/
我们正在使用一个脚本,它会返回以下内容120007CONSULTA DE DEUDA CORRECTA.01TEST我正在尝试从awk中获得 CONSULTA DE DEUDA CORRECTA 的短
我正在使用以下查询: { "_source": [ "title", "bench", "id_", "court",
例如,我有数十亿个短语,我想要将相似的短语聚集在一起。 > strings.to.cluster <- c("Best Toyota dealer in bay area. Drive out wit
我有一个包含大约 1000 个关键字/短语(一到四个字长)的数据库表 - 这个表很少更改,所以我可以将数据提取到更有用的东西中(比如正则表达式?) - 所以这没有找到/基于自然语言处理猜测关键词..
我想确保我从一开始就做对了,但我找不到好的答案,所以我想问一下。 我要做的是以下内容。 以一句话为例:The quick brown fox jumped over the lazy dog"并使用全
我有一个表单,其中有两个单选按钮。 应该从字符串中搜索整个字符串,第二个应该搜索至少一个单词。 例如: 我将搜索“Awesome ideas for startup”。 如果我选中“搜索整个字符串/短
我有... 一组固定关键字和词组(大约 1,000,000 个),例如 birthday、happy new year、vacation等 10 到 500 字之间的一些可变文本。 我想…… 识别文本
有没有办法删除字符串中重复的和连续的单词/短语?例如。 [in]: foo foo bar bar foo bar [out]: foo bar foo bar 我试过这个: >>> s = 'thi
我正在寻找一种在文本中搜索短语或惯用表达的方法,无论时态或可能的介词/副词如何,例如如果我正在寻找 call off我还想找到 My boss called the meeting off. 之类的用
PowerShell 有一些语法特性,我找不到太多相关文档。今天我的问题是 ? {...} 例子 PS> Get-SPServiceInstance | ? {$_.GetType.toString(
我通过 PHP 使用 Solr 来搜索我网站的各个方面。我正在尝试实现一项功能,但找不到任何有关如何实现它的信息。 我有一组文档(评论),每个文档都与特定产品有关。 我想找到出现在单个产品的多条评论中
我正在从事自然语言生成任务,需要检索与 Cyc 术语等效的自然语言单词或短语。例如。 “#$EatingEvent”->“吃”或“#$Coyote-Animal”->“土狼”。 如何通过 Java A
我在使用 Java 中的以下正则表达式时遇到问题。我删除了双引号,以使其更具可读性。由于缺乏更好的词,我还将每个“组件”放在单独的行上(但实际的表达式会将行合并,行之间没有空格): (?:\bIN(?
我有一个 MySQL 数据库,我正在尝试使用 PHP 获取趋势主题(流行短语或单词)。我尝试了一些查询,但似乎没有什么对我有用。 最佳答案 您可以尝试创建一个包含两列的新表:WORD 和 COUNT,
我在 MySql 中有一个包含城市的表。 |---------------------|------------------| | ID | City
我正在处理搜索页面上的用户输入。如果用户选择“所有单词”类型的搜索,那么我会从搜索文本中删除所有 bool 搜索运算符,并在每个真实单词之间添加 ' AND '。在大多数情况下非常简单。但是,我不知道
我使用的语音识别软件给出的结果不是最佳的。 例如:session 返回为 fashion 或 mission。 现在我有一本像这样的字典: matches = { 'session': ['fas
我厌倦了使用 Gimp 无休止地滚动所有字体来不规律地搜索完美字体,所以我想:“为什么不为每种字体构建一个可视的 pangrams 列表”。 因此,我尝试构建一个 php 脚本,该脚本在 .fonts
如何编写一个 RegEx 模式来测试一个字符串是否包含多个具有以下结构的子字符串: "cake.xxx" xxx 是任何东西,但不是“奶酪”、“牛奶”或“黄油”。 例如: “我有一个 cake.hon
我有一个字段“部门”,它是一个列表:{“部门”:[“餐饮服务”,“软件开发”,“制造”,“部署”]}' 我想聚合“部门”中以“d”开头的元素。即,从所有记录进行部署。 我能够找到包含一个前缀为“d”但
我是一名优秀的程序员,十分优秀!