Question

我希望使用Stanford CoreNLP捕获测量结果。（如果你可以建议一个不同的提取器，那也没关系。）

例如，我想找 15kg ， 15 kg ， 15.0 kg ， 15 kg ， 15磅， 15磅等。但在CoreNLPs提取规则中，我没有看到一个用于测量。

当然，我可以使用纯正则表达式执行此操作，但工具包可以更快地运行，并且它们提供了更高级别的块的机会，例如一起处理 gb 和千兆字节，以及 RAM 和内存作为构建块 - 即使没有完整的语法分析 - - 他们建造更大的单位，如 128 GB RAM 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提取器，但是不要将其视为RegexNer或其他地方的一部分。我该怎么做？

IBM Named Entity Extraction可以做到这一点。正则表达式以有效的方式运行，而不是将文本传递给每个正则表达式。并且正则表达式被捆绑以表达有意义的实体，例如将所有测量单元合并为单个概念的实体。

Answer 1

我不认为这个特定任务存在基于规则的系统。但是，用TokensregexNER制作它并不难。例如，映射如：

[{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?

Answer 2

您可以构建自己的训练数据并相应地标记所需的测量值。

例如，如果您有Jack weighs about 50 kgs

之类的句子

因此模型会将您的输入分类为：

杰克，人     重量，O
    关于，O
    50，MES
    kgs，MES

MES代表测量值。

我最近为我的自定义问题制作了Stanford NER tagger的培训数据，并为其构建了一个模型。

我认为Stanford CoreNLP NER也可以做同样的事情

这可能是machine learning-based方法，而不是rule-based方法