Question

我从水事故报告中提取因果句。我在这里使用NLTK作为工具。我通过采用20个因果句结构手动创建了我的regExp语法[见下面的例子]。构造的语法属于

类型

grammar = r'''Cause: {<DT|IN|JJ>?<NN.*|PRP|EX><VBD><NN.*|PRP|VBD>?<.*>+<VBD|VBN>?<.*>+}'''

现在语法在测试集上有100％回忆（我用50个因果句和50个非因果句构建了我自己的玩具数据集），但精度很低。我想问一下：

如何训练NLTK自动构建正则表达式语法提取特定类型的句子。
有没有人试图提取因果句子。例因果句是：
- 村里的卫生设施很差，因此，她有健康问题。
- 她村里的水不纯净，因此，她受了苦来自寄生虫。
- 由于村里卫生条件差，她有健康问题。我想从a中仅提取上述类型的句子大文。

Answer 1

与该书的作者进行了简短的讨论：“使用NLTK 2.0 Cookbook进行Python文本处理”，Mr.Jacob Perkins。他说，“句子的广义语法非常难。我会看看你是否可以找到常见的标签模式，并使用它们。但是你实际上是通过正则表达式匹配进行分类。解析通常用于提取短语内的短语。句子，或者生成一个句子的深度解析树，但你只是想识别/提取句子，这就是为什么我认为分类是一个更好的方法。考虑将标记的单词作为特征，当你尝试这个时，因为语法可能很重要。“根据他的建议，我查看了我的因果句，我发现这些句子有像

这样的词

consequently
as a result
Therefore
as a consequence
For this reason
For all these reasons
Thus
because
since
because of
on account of
due to
for the reason
so, that

这些词确实在句子中连接因果关系。使用这些连接器现在很容易提取因果句子。可以在arxiv上找到详细的报告：https://arxiv.org/pdf/1507.02447.pdf

使用NLTK python提取因果句

1 个答案: