在句子

Question

假设我有一个很长的文本，我想围绕一个特定的单词提取一定长度的上下文。例如，在下面的文字中，我想在单词warrior中提取8个单词。

........

........

......死了。他是一个非常勇敢的战士，为争取自由的可能性而斗争......

........

........

在这种情况下，结果将是

  

他是一个非常勇敢的战士，为自由而战

请注意我是如何删除死亡这个词的，因为我更喜欢从完整句子的开头开始，以及我如何提取的不仅仅是8个单词，因为fight for freedom比为而言更有意义/ em>的

我可以遵循这个领域的算法或研究吗？我应该如何解决这个问题。

Answer 1

1. 您可以使用RegEx获取包含您要查找的单词的整个句子。
2. 然后使用信息提取算法找到更方便的8个单词。

我发现了两个Python的实现

对于正则表达式here

对于Extracting algorithm look here

希望这会对你有所帮助

Answer 2

让我们将您的问题分为几部分，并使其独立于任何编程语言：

1. 如果您要使用战斗而不是战斗一词，则应预处理数据。请看一下词根化和词干提取技术，它们将为您提供词根。

2. 此外，另一个文本预处理步骤是从文本中删除停用词。诸如“将”，“将”，“如果”，“但”等单词将被删除。

3. 现在要提取n个单词，您可以定义一个窗口大小，该窗口大小将从句子文本中提取n个单词。因此，您要做的就是编写一个函数，该函数将提取您要提取的单词周围的目标文本和单词。循环遍历整个文本。

希望这会有所帮助。