Question

我正尝试从NLTK转移到Spacy，我需要的功能之一是将“子树”与regex匹配。在简单的情况下，Matcher做得很好：

matcher = Matcher(nlp.vocab)
matcher.add('GRAMMAR', None, [{'TAG': 'JJ', 'OP': '+'}, {'POS': NOUN', 'OP': '+'}])

当我只需要匹配一组时，问题就开始了。例如，如果我需要一个形容词后面的名词，但我只想匹配该名词而不是整个模式。在一个简单的正则表达式中，我将所需的组放在括号中（如下所示）（具有虚函数）：

r'JJ+(NOUN+)'

我的临时解决方案是仅在回调函数中获取某些令牌，如下所示：

hits = []
matcher = Matcher(nlp.vocab)
matcher.add('GRAMMAR', lambda matcher, doc, i, matches: hits.append(('GRAMMAR', doc[matches[i][1]+1:matches[i][2]].text)), [{'TAG': 'JJ', 'OP': '+'}, {'POS': 'NOUN', 'OP': '+'}])

但是，此解决方案存在几个问题：

我想将模式列表提取到外部源，因此所有回调函数都必须相同，尽管对于每种模式，我需要选择不同的组（有时是第一个，有时是第二个，有时是整个模式）。
我的解决方案计算令牌。如果模式涉及运算符（例如*，+），则我不一定知道我想要的匹配从哪个标记开始/结束。
我对此不确定，但我可能想避免将匹配项附加到外部列表中。我更喜欢将匹配项保留在Matcher对象中的解决方案。

有什么想法吗？

如何使用Spacy Matcher选择单个组

0 个答案: