作者：yuliu预留 | 来源：互联网 | 2023-09-11 23:26
NLP |使用 RegEx 进行分块和缝隙
原文:https://www . geesforgeks . org/NLP-chunking-and-chink-with-regex/
组块提取或部分解析是从句子(用词性标注)中提取有意义的短短语的过程。
词块是由单词组成的，单词的种类是用词性标签来定义的。人们甚至可以定义一个不能成为查克一部分的模式或单词，这样的单词被称为 chinks 。ChunkRule 类指定在一个块中包含和排除哪些单词或模式。
定义 Chunk 模式:
Chuck 模式是正常的正则表达式，它们被修改和设计为匹配词性标签，词性标签被设计为匹配词性标签序列。尖括号用于指定单个标签，例如–匹配名词标签。可以用同样的方式定义多个标签。
代码#1:将组块转换为正则表达式模式。
Python 3
# Laading Library
from nltk.chunk.regexp import tag_pattern2re_pattern
# Chunk Pattern to RegEx Pattern
print("Chunk Pattern : ", tag_pattern2re_pattern('?+'))
输出:
Chunk Pattern : ()?(<(NN[^\{\}]*)>)+
大括号用于指定像{}这样的块，并指定可以翻转大括号{ }的缝隙模式。对于特定的短语类型，这些规则(组块和缝隙模式)可以组合成语法。
代码#2:用 RegExParser 解析句子。
Python 3
from nltk.chunk import RegexpParser
# Introducing the Pattern
chunker = RegexpParser(r'''
NP:
{<.*>*}
}{
''')
chunker.parse([('the', 'DT'), ('book', 'NN'), (
'has', 'VBZ'), ('many', 'JJ'), ('chapters', 'NNS')])
输出:
Tree('S', [Tree('NP', [('the', 'DT'), ('book', 'NN')]), ('has', 'VBZ'),
Tree('NP', [('many', 'JJ'), ('chapters', 'NNS')])])
京公网安备 11010802041100号