nlp - 斯坦福 CoreNLP 命名实体识别如何捕获 5 英寸、5 英寸、5 英寸、5 英寸等测量值

Question

我希望使用 Stanford CoreNLP 捕获测量值. (如果你能建议一个不同的提取器，那也很好。)

比如我想找 15公斤 , 15 公斤 , 15.0 公斤 , 15公斤 , 15 磅 , 15 磅 等。但在 CoreNLPs 提取规则中，我没有看到用于测量的规则。

当然，我可以使用纯正则表达式来做到这一点，但是工具包可以运行得更快，并且它们提供了在更高级别进行分块的机会，例如治疗国标和 千兆字节 一起，和内存 和 内存作为构建块——即使没有完整的语法解析——因为它们构建了更大的单元，如 128 GB 内存 和 8 GB 内存 .

我想要一个基于规则的提取器，而不是基于机器学习的)，但不要将其视为 RegexNer 的一部分或其他地方。我该怎么做？

IBM Named Entity Extraction可以做到这一点。正则表达式以一种有效的方式运行，而不是通过每个文本传递文本。并且正则表达式被捆绑以表达有意义的实体，例如将所有度量单位统一为一个概念的实体。

Answer 1

我认为不存在针对此特定任务的基于规则的系统。但是，使用 TokensregexNER 应该不难。例如，像这样的映射:

[{ner:NUMBER}]+ /(k|m|g|t)b/ memory?   MEMORY
[{ner:NUMBER}]+ /"|''|in(ches)?/       LENGTH
...

您也可以尝试使用 vanilla TokensRegex，然后使用捕获组提取相关值:

(?$group_name [{ner:NUMBER}]+) /(k|m|g|t)b/ memory?