将名字和姓氏标记为一个单词

Question

  

    

输入：巴拉克奥巴马是总统

         

（欲望）输出：谁是总统？

  

问题是虽然SpaCy认为巴拉克奥巴马是一个人，但是在早期阶段对巴拉克奥巴马进行说明时，巴拉克奥巴马已被分成两个词，即：＆＃34;巴拉克＆＃34;和＃34;奥巴马＆＃34;

附件是我的示例代码：

import spacy
from nltk import word_tokenize


nlp = spacy.load('en_core_web_sm')
text = 'Barack Obama is the President'
BreakText = word_tokenize(text)
document = nlp(text)

person = []
for ent in document.ents:
    if ent.label_ == 'PERSON':
        person.append(ent)

k = person[0]
j = BreakText.index(str(k))
BreakText[j] = 'Who'
Final = " ".join(BreakText)
print(Final + "?")

还是有另一种方法来获得我的欲望输出吗？

  

    

更新：这有效！

  

k = person[0]
o = text.replace(str(k), 'Who')
print(o + "?")

Answer 1

您正在描述命名实体识别（NER），而不是标记化。

nltk文档中的第7章描述了NER如何从标记化，部分语音标记到实体识别向前迈出几步。

http://www.nltk.org/book/ch07.html

nltk.ne_chunk()

很可能是您感兴趣的功能。

Answer 2

Spacy会使用ent.text给您实体的全文。