Question

我正在尝试增加与日期相关的开箱即用NER的结果。

例如，短语“上一年”获得NormalizedNER注释“THIS P1Y”，这显然是错误的。
它需要是“PREV_IMMEDIATE P1Y” 实际上，我在“english.sutime.txt”中找到了导致此问题的TokensRegex规则。

我试图通过在下游应用以下提取TokensRegex规则来进行此更正：

{
    ruleType:   "tokens",
    pattern:    ( /the/ /prior/ [ {ner:"DATE"} & {normalized:/THIS (P\d\w.*)/} ]+ ),
    action:     ( Annotate($0, "normalized", "PREV_IMMEDIATE " + $$1.text) ) }

我对此规则有两个问题：

我找不到合适的语法，将文字字符串与最后一个参数中的捕获组变量组合到Annotate函数中。上面的“操作”字段会导致以下异常：

edu.stanford.nlp.ling.tokensregex.parser.ParseException：在第34行第72栏遇到“”+“”+“”。期待以下之一： “）”...... “，”......

显然，当我使用“+”将字符串附加在一起时，最后一个参数没有正确地转换为String 在最后一个参数中将字符串组合到Annotate函数的正确方法是什么？
使用“$$ 1.text”作为Annotate的第三个参数给出了以下异常：

警告：从上一年提取注释时出错 java.lang.ArrayIndexOutOfBoundsException：1

这应该给我捕获组的文本“（P \ d \ w。*）” 但看起来这个小组似乎并没有被捕获这是因为在注释中捕获一个组（而不是在令牌文本内部）根本不应该工作吗？或者我做错了什么？

一般来说，如果这两个问题无法直接解决，还有什么选择呢？制作自定义版本的“english.sutime.txt”并使OOTB注释器使用它？

提前感谢您的帮助！

Answer 1

感谢您指出“先前”应被视为指前一次。我们也会将此添加到我们的规则中。为了在SUTime规则中添加“优先”，最简单的方法是改变：

{ pattern: ( /this|the/ /past|previous|last/ ),
  action: Tag($0, "TemporalOp", PREV_IMMEDIATE) }

为：

{ pattern: ( /this|the/ /past|previous|last|prior/ ),
  action: Tag($0, "TemporalOp", PREV_IMMEDIATE) }

如果PREV_IMMEDIATE无效，您可以尝试将其更改为PREV。目的是PREV_IMMEDIATE和PREV作为下一个时间表达式的运算符来获取该时间表达式的“上一个”或“过去”，但PREV_IMMEDIATE操作不是经过充分测试这些运算符将在以后的规则中应用：

{ name: "temporal-composite-6b",
  priority: 4,
  pattern: ( ( $REL_MOD ) ( [ $hasTemporal & !{ temporal::IS_TIMEX_SET } ] ) ),
  result: RelativeTime( GetTag($1[0], "TemporalOp"), $2[0].temporal.value )
}

关于TokensRegex语法的问题，

由于语法实际上不支持完整的java运算符集，因此无法在rules文件中附加+字符串。

要连接两个字符串，您需要使用do Concat(str1,str2)而不是str1 + str2。有关TokensRegex支持的更多操作，请参阅http://nlp.stanford.edu/nlp/javadoc/javanlp/edu/stanford/nlp/ling/tokensregex/types/Expressions.html。

使用TokensRegex时，有两种类型的捕获组。捕获TokensRegex的组，并使用常规Java模式从匹配的字符串模式捕获组。

/THIS (P\d\w.*)/是一个Java字符串模式。在TokensRegex中，$1用于引用TokensRegex为TokensRegex捕获组1捕获的节点序列。要访问内部捕获组（如来自Java字符串模式的那些），语法$$1为提供访问捕获组的SequenceMatchResult。

要访问这些内容，您需要将matchWithResults设置为TRUE。

{
  ruleType:   "tokens",
  matchWithResults: TRUE,
  pattern:    ( /the/ /prior/ [ {ner:"DATE"} & {normalized:/THIS (P\d\w.*)/} ] ),     
}

然后，您可以使用(P\d\w.*)访问匹配项 $$0.matchResults[2].normalized.group(1)。 $$0从TokensRegex获取整个捕获组。 matchResults[2]获取索引2处的标记的matchResults。normalized.group(1)获取与标准化注释对应的Java字符串表达式的捕获组。

请注意，此模式在SUTime中实际上不起作用，因为在SUTime完成所有规则后，normalized字段由NER填充。

TokensRegex - 使用在注释内捕获的组作为Annotate函数的参数

1 个答案: