Question

我是NLP领域的新手，但想知道当前是否有任何简便的方法（使用服务或OSS等）在已知原始主题的情况下使用NLP更改大量文本的主题最好是否可以使用多种语言来提供这样的方法？）（等效于方法{（3）}上的句子（）.toPastTense（）方法）：

让我们说原始文本是关于“您”的，并且您知道情况总是如此，但是您想自动生成一个文本版本，将其更改为“您的兄弟”。

（非常荒谬）的示例：

“到达角落时，您应该走下大厅。”

会变成

“你的兄弟应该走到大厅，因为他到达角落时完成。”

据我了解，这种类型的文本转换依赖于词形化（如这篇文章https://nlp-compromise.github.io所示），但是由于我一直在研究文本转换方法，所以我还没有发现任何与之相关的方法。句子的主题？

Answer 1

我一无所知，但是肯定可以做到。例如，使用TextBlob可以尝试使用词性的功能。显然，这里您需要的不仅仅是这些小片段，例如一个检查主语/动词一致性的函数，但这只是方法的一个示例，希望它能为您带来深思。

from textblob import TextBlob
from textblob.taggers import NLTKTagger
from textblob import Word

def lil_subj_replacer(phrase,input_subj,input_prp):
    nltk_tagger = NLTKTagger()
    blob = TextBlob(phrase,pos_tagger=nltk_tagger)
    subject = True
    for i,keyval in enumerate(blob.pos_tags):
        key = keyval[0]
        value = keyval[1]
        if (value == 'PRP'):
            if subject:
                blob.words[i] = input_subj
                subject = False
            else:
                blob.words[i] = input_prp

            blob.words[i+1] = Word(blob.words[i+1]).lemmatize('v')
    return ' '.join(blob.words)

my_phrase = 'You should go down the hall, as you reach the corner you are done.'
print(my_phrase)
print(lil_subj_replacer(phrase=my_phrase,input_subj='Your brother',input_prp='he'))

原始：You should go down the hall, as you reach the corner you are done.

不作形容：Your brother should go down the hall as he reach the corner he are done

修饰动词：Your brother should go down the hall as he reach the corner he be done

编辑：由于您提到了lemmaz，因此添加了示例。

NLP文本转换更改主题

1 个答案: