从非结构化文本中提取键值的方法有哪些？

Question

我正在尝试找出在非结构化文本中为预定义键提取值的方法（以及哪种方法最好）？

输入：

1. 医生给我开了一种名为favipiravir的药物。
2. 他的名字叫Yury。
3. 伊利亚（Ilya）已经告诉过我。
4. 今天天气很冷。
5. 我正在吃一种叫做nazivin的药。

键列表：['药物'，'名称'，'天气']

输出：

['drug = favipiravir'，'drug = nazivin'，'name = Yury'，'weather = cold']

因此，如您所见，在3d句子中没有显式键“名称”，因此也没有提取值（我认为与NER有所不同）。同时，“ drug”和“ medicine”是同义词，我们应该将“ medicine”作为“ drug”键，并提取其值。

接下来的问题是，如果密钥集是可变的，该怎么办？ 是否应该由于预定义的键而将其用作基础正则表达式方法，还是可以通过监督学习/ NN来实现它？ （但是在这种情况下，如何处理可变键？）

Answer 1

您可以使用解析器标记病房。您的问题类似于命名实体识别。许多库都提供POS标记器。您可以尝试那些。通常对它们进行培训以识别名称，位置等。根据您需要的单词类型，您可能需要训练解析器。因此，您还需要一些标记数据。
查看此链接： https://nlp.stanford.edu/software/CRF-NER.html