所以我要构建一个社交Web应用程序的原型： - 整合用户的Facebook数据（工作时间，住宅和工作办公室） 创建一个网络应用程序，以便有类似路线的朋友的朋友和朋友可以互相开车/骑自行车。
然而，为了使这个应用程序有用，它应该能够提取关键字（例如工作时间，或者如果有人必须稍后工作（并且他/她在Facebook上发布）。现在我正在阅读很多方法，但我不知道选择哪一个： - 情绪分析 - 词法分析 - 语法分析
提前致谢。
答案 0 :(得分：1)
最终你想要的是一种类似人类的智能，它可以在所有帖子的行之间读取以提取信息。因此，一般而言，您遇到的问题与NLP的每个分支中的其他人都面临的问题相同。我只是指出了这一点，因为你意识到你的问题变成了我应该使用哪种不完美的近似。
就个人而言，我从一个简单的文本匹配器开始。寻找类似＆＃34的字符串;今天在9＆＃34;开始工作。收集你的核心句子列表。
然后你意识到由于改述而存在变化。 ＆＃34;今天开始工作9＆＃34;，＆＃34;从今天开始9＆＃34;，＆＃34; 9是我今天的开始时间＆＃34;等等。此时带上一个句子分析器，而不是一串ascii代码，句子变成一串名词，形容词和动词。
你也有同义词：＆＃34;今天在9＆＃34;开始我的工作，＆＃34;今天在9＆＃34;开始办公室，＆＃34;今天开始工作比正常晚一个小时＆＃ 34 ;. WordNet（以及通常的语义网络）可以帮助一点。不过，那里的最后一个例子不仅要求解析一个相当复杂的条款，而且要知道它们通常的开始时间是8.（哦，在上面所有你需要知道它们是指上午9点还是晚上9点......）
到此为止，您意识到您正在收集大量模糊数据。那就是当你引入一些机器学习时，试着让它为你发现动词＆＃34; start＆＃34;，名词＆＃34; work＆＃34;，时间名词的一个组合＆＃34;今天＆＃34;和数字＆＃34; 9＆＃34;对你有用，而另一个不是很有用（例如＆＃34;今天在工作中学到了新剧从9开始。忘了设置录音机.Aaarrggh！＆＃34;）
答案 1 :(得分：0)
我认为您正在寻找的是一个自定义的名称实体识别器。 NLTK可能是一个很好的起点。但是，NLTK中的默认NE chunker是在ACE语料库上训练的最大熵chunker，并且尚未经过训练以识别日期和时间。因此，如果你想这样做，你需要训练自己的分类器。
以下链接提供了相同的简洁详细解释。
此外，nltk_contrib中有一个名为timex的模块，可以帮助您满足需求。
https://code.google.com/p/nltk/source/browse/trunk/nltk_contrib/nltk_contrib/timex.py
干杯！