Question

在iOS电子邮件客户端中，当电子邮件包含日期，时间或位置时，文本将成为超链接，只需点击链接即可创建约会或查看地图。它不仅适用于英语电子邮件，也适用于其他语言。我喜欢这个功能，想了解他们是如何做到的。

这种天真的方法是拥有许多正则表达式并运行它们。但是我不能很好地扩展它并且只适用于特定的语言或日期格式等。我认为Apple必须使用一些机器学习的概念来提取实体（晚上8点，晚上8点，8点， 0800,20：00,20h，20h00,2000等。）。

知道Apple如何能够在电子邮件客户端中如此快速地提取实体？您将应用什么机器学习算法来完成这样的任务？

Answer 1

他们可能会使用Information Extraction技术。

以下是斯坦福大学SUTime工具的演示：

http://nlp.stanford.edu:8080/sutime/process

您将在文档中提取有关n-gram（连续单词）的属性：

numberOfLetters
numberOfSymbols
长度
previousWord
nextWord
nextWordNumberOfSymbols
...

然后使用分类算法，并提供正面和反面的例子：

Observation  nLetters  nSymbols  length  prevWord  nextWord isPartOfDate  
"Feb."       3         1         4       "Wed"     "29th"   TRUE  
"DEC"        3         0         3       "company" "went"   FALSE  
...

你可能会得到50个例子，但越多越好。然后，算法基于这些示例进行学习，并且可以应用于之前未见过的未来示例。

它可能会学习诸如

之类的规则

如果前一个单词只是字符，可能是句号......
当前的词是在“二月”，“三月”，“the”......
，下一个词是“第十二”，any_number ......
然后是约会

以下是Google工程师关于该主题的decent video

Answer 2

这是Apple很久以前开发的一项名为Apple Data Detectors的技术。你可以在这里阅读更多相关信息：

http://www.miramontes.com/writing/add-cacm/

本质上，它解析文本并检测表示特定数据片段的模式，然后对其应用操作系统上下文操作。它很整洁。

Answer 3

这称为时间表达式标识和解析。以下是一些Google搜索，可帮助您入门：

https://www.google.com/#hl=en&safe=off&sclient=psy-ab&q=timebank+timeml+timex

https://www.google.com/#hl=en&safe=off&sclient=psy-ab&q=temporal+expression+tagger

Answer 4

谜题的一部分可能是NSDataDetector类。它用于识别一些标准类型，如电话号码。

Answer 5

我曾经使用pyparsing编写了一个解析器。这真的很简单，你只需要正确地采用所有不同的方式，但没有那么多。它只花了几个小时而且非常快。

Answer 6

Apple拥有关于他们如何做到这一点的专利System and method for performing an action on a structure in computer data，这是关于这一专利的故事apples-patent-on-nsdatadetector

Apple如何在电子邮件中查找日期，时间和地址？

6 个答案: