我目前正试图理解这种形式的句子：
The problem was more with the set-top box than the television. Restarting the set-top box solved the problem.
我是自然语言处理的新手，并开始使用Python的NLTK包来弄脏我的手。但是，我想知道是否有人能够概述实现这一目标所涉及的高级步骤。
我要做的是确定在这种情况下问题是什么，set-top box以及所采取的操作是否解决了问题所以在这种情况下，yes因为重新启动修复了问题。因此，如果所有句子都是这种形式，我的生活会更容易，但因为它是自然语言，所以句子也可以是以下形式：
I took a look at the car and found nothing wrong with it. However, I suspect there is something wrong with the engine
所以在这种情况下，问题出在car上。由于存在单词suspect，所采取的措施无法解决问题。潜在问题可能出在engine。
我不是在寻找一个绝对的答案，因为我怀疑这是非常复杂的。我正在寻找的更多是高级概述，它将指引我朝着正确的方向发展。如果有一种更简单/替代的方法，那也是受欢迎的。
答案 0 :(得分：4)
你真正希望的最好的是Naive Bayesian Classifier，其中有足够大的（可能比你有的）训练集，并且愿意容忍相当多的错误判断。
寻求NLP的圣杯必然会让你有点不满意。
答案 1 :(得分：3)
可能，如果句子格式正确，我会试验dependency parsing（http://nltk.googlecode.com/svn/trunk/doc/api/nltk.parse.malt.MaltParser-class的.html＃raw_parse）。这会给你一个句子成分的图表，你可以告诉词汇项目之间的关系。稍后，您可以从依赖解析器的输出中提取短语（http://nltk.googlecode.com/svn/trunk/doc/book/ch08.html#code-cfg2）这可以帮助您提取直接对象句子，或句子中的动词短语。
如果您只想从句子中获取短语或“块”，可以尝试使用块解析器（http://nltk.googlecode.com/svn/trunk/doc/api/nltk.chunk-module.html） 。您还可以执行命名实体识别（http://streamhacker.com/2009/02/23/chunk-extraction-with-nltk/）。它通常用于提取地点，组织或人名的实例，但它也适用于您的情况。
假设你解决了从一个句子中提取名词/动词短语的问题，你可能需要将它们过滤掉以简化你的领域专家的工作（太多的短语可能会压倒一个法官）。您可以对短语进行频率分析，删除通常与问题域无关的频繁分析，或者编译白名单并保留包含预定义词集等的短语。