Question

我正在与斯坦福的SequenceMatchRules进行斗争，以将以下输入识别为两个日期：

Anaximander（约610年–前546年）是前苏格拉底希腊哲学家他住在爱奥尼亚州（现代土耳其）市米利都（Miletus）。

（摘自Pantheon数据集，例如http://pantheon.media.mit.edu）

'546 BC'正常工作，但我也想将'610'识别为'610 BC'（最好不是时间）。

到目前为止，我所做的只是为了使事情进展：

修改后的english.sutime.txt：

已更改

$POSSIBLE_YEAR = ( $YEAR /a\.?d\.?|b\.?c\.?/? | $INT /a\.?d\.?|b\.?c\.?/ | $INT1000TO3000 );

到

$POSSIBLE_YEAR = ( $YEAR /a\.?d\.?|b\.?c\.?/? | $INT /a\.?d\.?|b\.?c\.?/ | /c\.\ / $INT | $INT1000TO3000 );

在pattern: ( $POSSIBLE_YEAR)...提取规则中：

          Tag($0, "YEAR_ERA",
            :case {
               $0 =~ ( $INT /a\.?d\.?/ ) => ERA_AD,
               $0 =~ ( $INT /b\.?c\.?/ ) => ERA_BC,
               :else => ERA_UNKNOWN
            }
          )

到

          Tag($0, "YEAR_ERA",
            :case {
               $0 =~ ( $INT /a\.?d\.?/ ) => ERA_AD,
               $0 =~ ( /c\.\ / $INT ) => ERA_BC,
               $0 =~ ( $INT /b\.?c\.?/ ) => ERA_BC,
               :else => ERA_UNKNOWN
            }
          )

首先是丑陋的，其次它根本没有用。

我应该在哪里开始正确使用？

我正在使用stanford-corenlp-full-2018-10-05。

我应该提到万神殿没有被完全规范化，因此我不得不在以后处理诸如CE / BCE，日期周围缺少空格等其他内容。因此，可扩展的方法将是很好的。

Answer 1

我认为该规则将与c. 610相匹配...如果看到该模式，它将为其附加相应的IsoDate。请让我知道是否可行...如果没有，我可以弄清楚什么地方坏了。

{ (/c\./ (/[0-9]{3,4}/)) => IsoDate($1[0].numcompvalue, NIL, NIL, 0, FALSE) }

这里是IsoDate的构造函数，它可以作为参考：

public IsoDate(Number y, Number m, Number d, Number era, Boolean yearEraAdjustNeeded) {
  this.year = (y != null)? y.intValue():-1;
  this.month = (m != null)? m.intValue():-1;
  this.day = (d != null)? d.intValue():-1;
  this.era = (era != null)? era.intValue():ERA_UNKNOWN;
  if (yearEraAdjustNeeded != null && yearEraAdjustNeeded && this.era == ERA_BC) {
    if (this.year > 0) {
      this.year--;
    }
  }
  initBase();
}

如果该规则有效，则应演示如何匹配文本模式并附加所需的年份。只需编写一个pantheon_rules.txt文件并将其添加到您涵盖所有所需时间的SUTime规则列表中，这可能是最简单的，一旦掌握了该基本规则，便可以对其进行扩展以匹配所需的情况。我还可以在某些时候将一些处理这些案件的规则添加到正式版本中。

“ c。DATE-DATE BC”的SUTime SequenceMatchRules

1 个答案: