使用 RegexpParser 分块日期的 nltk 自定义语法

Question

使用此博客post 中的信息提取，我正在尝试定义一个语法，其中包括将日期添加为具有以下语法的新块；

grammar = r"""
    NBAR:
        {<NN.*|JJ>*<NN.*>}  # Nouns and Adjectives, terminated with Nouns

    NP:
        {<NBAR>}
        {<NBAR><IN><NBAR>}  # Above, connected with in/of/etc...
    DATE -> MONTH SEP DAY SEP YEAR
    SEP -> "/"
    MONTH -> DIGIT | DIGIT DIGIT
    DAY -> DIGIT | DIGIT DIGIT
    YEAR -> DIGIT DIGIT DIGIT DIGIT
    DIGIT -> '1' | '2' | '3' | '4' | '5' | '6' | '7' | '8' | '9' | '0'

但是当我调用chunker = nltk.RegexpParser(grammar) 时，这会引发非法的块模式，任何关于如何包含始终表示为 8 位数字的日期的想法DD/MM/YYYY 或以长形式表示月份和日期后跟序号指示符st,nd, or th，因此结果为DDthMONTHYYYY。

Answer 1

您正在混合苹果和橙子。只有你的前两个扩展是有效的 nltk RegexpParser 规则，所以你在第三个得到一个错误。将其余的转换为相同的格式：将分隔符从-> 更改为:，然后将扩展写为RegexpParser 表达式。请注意，您使用的是分块器，而不是分层解析器。 （请参阅上述文档，以及 NLTK 书中的所有 Chapter 7。）