Question

我有一句话=“嗨，我的车号是H 11231，我的卡号是11122”。我标记了该句子，然后POS标记了标记化的句子。我想获取车号，我创建了一个循环来检查索引是否在数字上（11231）。然后在1个元组的前后检查其标签NNP（代表1个字母）

import nltk

sentence = 'hi there, my car number is H 11231, and my card number is 11122'

tokenizedSent = nltk.word_tokenize(sentence)
tagged = nltk.pos_tag(tokenizedSent)
print(tagged)
output = []

print(tagged)
for i in tagged: 
    if i[1] == 'CD':
        output.append(i[0])
    elif i[1] == 'NNP':
        output.append(i[0])

该句子有两个数字，分别是11231和11122。但是，其中只有一个是被NNP标记为之前的汽车编号

Answer 1

您的解决方案遍历标签的集合，并且仅使用CD和NNP标签。

您只想要数字。

第一件事：获取数字：

IndexTag = namedtuple('IndexTag', ['tag', 'index'])
numbers = []
for i, tag in enumerate(tagged):
    if tag[1] == 'number':
        numbers.append(IndexTag(tag, i))

现在您有了电话号码，就可以检查“上一个标签是NNP”：

car_ids = []
for number in numbers:
    if number.index > 0 and tagged[number.index - 1][1] == 'NNP':
       car_ids.append(number)

从元组列表中搜索索引

1 个答案: