我正在从水上事故报告中提取因果语句。我在这里使用 NLTK 作为工具。我通过采用 20 个因果句子结构手动创建了我的 regExp 语法 [参见下面的示例]。构造的语法是类型
grammar = r'''Cause: {<DT|IN|JJ>?<NN.*|PRP|EX><VBD><NN.*|PRP|VBD>?<.*>+<VBD|VBN>?<.*>+}'''
现在该语法在测试集上具有 100% 的召回率（我构建了自己的玩具数据集，其中包含 50 个因果句子和 50 个非因果句子），但精度较低。我想问一下：
有没有人尝试过提取因果句。例子 因果句是：
村里的卫生条件很差，因此她不得不 健康问题。
她村里的水不干净，为此她饱受折磨 来自寄生虫。
由于村里的卫生条件差，她出现了健康问题。 我只想从a中提取上述类型的句子 大文本。
【问题讨论】：
与本书的作者进行了简短的讨论：“Python Text Processing with NLTK 2.0 Cookbook”，Mr.Jacob Perkins。他说，“句子的通用语法非常困难。我想看看你是否能找到常见的标签模式并使用它们。但你基本上是通过正则表达式匹配进行分类。解析通常用于在一个句子, 或产生一个句子的深度解析树, 但你只是想识别/提取句子, 这就是为什么我认为分类是一种更好的方法. 当你尝试这个时, 考虑将标记的单词作为特征, 因为语法可能很重要。”接受他的建议，我查看了我的因果句子，我发现这些句子有类似的词
consequently
as a result
Therefore
as a consequence
For this reason
For all these reasons
Thus
because
since
because of
on account of
due to
for the reason
so, that
这些词确实在一个句子中连接了因果关系。使用这些连接器现在很容易提取因果句子。详细报告可以在arxiv上找到：https://arxiv.org/pdf/1507.02447.pdf
【讨论】：