我正在尝试使用spacy从文本中提取关键字/实体名称。
我能够提取所有实体名称，但是却有很多重复项。
例如
def keywords(text):
tags = bla_bla(text)
return tags
article = "Donald Trump. Trump. Trump. Donald. Donald J Trump."
tags = keywords(article)
我得到的输出是： [“唐纳德·特朗普”，“特朗普”，“特朗普”，“唐纳德”，“唐纳德·J·特朗普”]
如何将所有这些标签聚集在主标签“唐纳德·J·特朗普”下？
答案 0 :(得分：0)
1）简单方法：仅保留包含较小元素的最长实体 2）更耗时：制作实体字典 3）ML：将带有词袋的实体矢量化并聚类，聚类中最长的实体将是“主要”
答案 1 :(得分：0)
带有精心构建的字典。
没有可以可靠地做到这一点的无监督/集群。
考虑以下句子：
特朗普总统会见了他的儿子小唐纳德·特朗普。