Question

我有一段

在卡拉克省所有内部线路上运行的公共巴士都有昨天举行罢工，抗议罢免决定超过12年的工作巴士。公交车司机和车主说新政府决定拆除已经结束的公交车 12岁以下，将给这些车主带来巨大的经济损失公共汽车，其中大多数因购买而遭受高额债务。 “政府不知道自己在做什么，尤其是在取消数千辆以各种方式运营的公交车的案例王国的部分地区，这些国家通过银行和他指出，“公交车将保持闲置状态直到政府复审该决定对成千上万的人不公平王国的家庭。”就他而言，卡拉克运输管理当局（Mahmoud Al-Sarayra）没有回答Al Ghad的呼吁，以回应驾驶员的抱怨和公交车主

在该段上运行以下代码：

import nltk
sentences = [x.replace('.','').replace('"','') for x in nltk.sent_tokenize(paragraph)]
tokenized_sentences = [nltk.word_tokenize(sentence) for sentence in sentences]
tagged_sentences = [nltk.pos_tag(sentence) for sentence in tokenized_sentences]
chunked_sentences = [x for x in nltk.ne_chunk_sents(tagged_sentences)]
entities=np.unique(np.array([x for s in chunked_sentences for x in s if type(x)==nltk.tree.Tree ])).tolist()

NLTK函数ne_chunk_sents给我以下命名实体：

[Tree('GPE', [('Bus', 'NNP')]),
 Tree('GPE', [('Karak', 'NNP')]),
 Tree('GPE', [('Public', 'NNP')]),
 Tree('ORGANIZATION', [('Karak', 'NNP'), ('Transport', 'NNP'), ('Regulatory', 'NNP'), ('Authority', 'NNP')]),
 Tree('ORGANIZATION', [('Kingdom', 'NNP')]),
 Tree('PERSON', [('Al', 'NNP'), ('Ghad', 'NNP')]),
 Tree('PERSON', [('Mahmoud', 'NNP'), ('Al-Sarayra', 'NNP')])]

GPE代表“地缘政治实体”。我不确定“公共”和“公共汽车”是否合格。我知道Karak是我要找的东西。 NLTK中最简单的方法是将常见的英语单词（例如Public和Bus）与非英语且最有可能是地名的作品区分开来？

注意：这类似于两年前的this question，但没有得到明确的答案。

Answer 1

因此，遵循the similar question from 2 years ago的思路，这是一个解决方案：

e2=[(x.label(),' '.join([y for y,z in x[0:]])) for x in entities]
e3=[y for x,y in e2 if x == 'GPE']
english_vocab = set(w.lower() for w in nltk.corpus.words.words())
e4=[x for x in e3 if x.lower() not in english_vocab]

然后 e4 是列表

['Karak']

使用NLTK，如何分辨公共汽车，公共和卡拉克之间的区别？

1 个答案: