我不是python的专家,我只是尝试了几种算法。
我有一个句子,例如,
"The maker of Sam Global Ent, Sam Helsen has bought many stocks in a private intelligence firm Samligence."
我试图使用POS标记器获取所有名词,但是,如果成功实体以大写字母开头,则应将其视为一个实体。
例如:“Sam Global Ent”应被视为一个实体。
我正在寻找的输出如下:
[u'maker', -- Noun
u'Sam Global Ent', -- Considered as one entity
u'Sam Helsen', -- Considered as one entity
u'stocks', -- Noun
u'intelligence', -- Noun
u'firm', -- Noun
u'Samligence'] -- Noun/entity
我已经编写了代码来单独完成这项工作,但我不知道如何以高效的方式将它们组合起来。
到目前为止我写的代码是..
find_entities=re.findall(r'\b[A-Z]\w+(?:\s\b[A-Z]\w+)*', sentences, re.DOTALL)
输出:
find_entities= ['The', 'Sam Global Ent', 'Sam Helsen', 'Samligence']
words=word_tokenize(sentences.decode('utf-8'))
for pos in pos_tag(words):
if 'NN' in pos[1]:
entity_nouns.append(pos[0])
输出:
entity_nouns=
[u'maker',
u'Sam',
u'Global',
u'Ent',
u'Sam',
u'Helsen',
u'stocks',
u'intelligence',
u'firm',
u'Samligence']
我想过像十字路口这样的方法。例如,将“find_entities”分解为单个元素(['The','Sam','Global','Ent','Sam','Helsen','Samligence']),然后将其减去entity_nouns然后添加结果再次找到find_entities。但这似乎是一个漫长的过程。
如果有人能帮助我,我会很高兴。
答案 0 :(得分:2)
考虑一个简单的方法:您已经将句子标记为单词。不是使用正则表达式来查找实体,只需对单词列表进行一次迭代,然后组合以大写字母开头的列表中的连续单词。
答案 1 :(得分:1)
你试过TextBlob吗?它提取名词短语:
>>> from textblob import TextBlob
>>> txt = """The maker of Sam Global Ent, Sam Helsen has bought many stocks in a private intelligence firm Samligence."""
>>> blob = TextBlob(txt)
>>> blob.noun_phrases
WordList([u'sam global ent', u'sam helsen', u'private intelligence firm', 'samligence'])