“c. DATE - DATE BC”的 SUTime SequenceMatchRules

Question

我正在与斯坦福大学的 SequenceMatchRules 抗争，将以下输入识别为两个日期：

Anaximander (c. 610 – c. 546 BC) 是前苏格拉底时期的希腊哲学家 他住在爱奥尼亚（今土耳其）的一座城市米利都。

（取自 Pantheon 数据集，例如http://pantheon.media.mit.edu）

'546 BC' 工作得很好，但我也想将 '610' 识别为 '610 BC' （最好不是持续时间）。

到目前为止，我所做的只是为了让事情顺利进行：

修改english.sutime.txt：

改变了

$POSSIBLE_YEAR = ( $YEAR /a\.?d\.?|b\.?c\.?/? | $INT /a\.?d\.?|b\.?c\.?/ | $INT1000TO3000 );

到

$POSSIBLE_YEAR = ( $YEAR /a\.?d\.?|b\.?c\.?/? | $INT /a\.?d\.?|b\.?c\.?/ | /c\.\ / $INT | $INT1000TO3000 );

而在pattern: ( $POSSIBLE_YEAR)...抽取规则中：

          Tag($0, "YEAR_ERA",
            :case {
               $0 =~ ( $INT /a\.?d\.?/ ) => ERA_AD,
               $0 =~ ( $INT /b\.?c\.?/ ) => ERA_BC,
               :else => ERA_UNKNOWN
            }
          )

到

          Tag($0, "YEAR_ERA",
            :case {
               $0 =~ ( $INT /a\.?d\.?/ ) => ERA_AD,
               $0 =~ ( /c\.\ / $INT ) => ERA_BC,
               $0 =~ ( $INT /b\.?c\.?/ ) => ERA_BC,
               :else => ERA_UNKNOWN
            }
          )

首先它很丑，其次它根本不起作用。

我应该从哪里着手？

我正在使用stanford-corenlp-full-2018-10-05。

我应该提到，Pantheon 并没有完全标准化，所以我必须稍后处理 CE/BCE、日期周围缺少空格等其他内容。因此，可扩展的方法会很棒。

Answer 1

我认为这条规则将匹配c. 610 ...如果它看到模式，它将附加相应的 IsoDate 到它。请让我知道这是否有效......如果没有，我可以弄清楚是什么坏了。

{ (/c\./ (/[0-9]{3,4}/)) => IsoDate($1[0].numcompvalue, NIL, NIL, 0, FALSE) }

这里是IsoDate的构造函数，以时代为参考：

public IsoDate(Number y, Number m, Number d, Number era, Boolean yearEraAdjustNeeded) {
  this.year = (y != null)? y.intValue():-1;
  this.month = (m != null)? m.intValue():-1;
  this.day = (d != null)? d.intValue():-1;
  this.era = (era != null)? era.intValue():ERA_UNKNOWN;
  if (yearEraAdjustNeeded != null && yearEraAdjustNeeded && this.era == ERA_BC) {
    if (this.year > 0) {
      this.year--;
    }
  }
  initBase();
}

如果该规则有效，它应该演示如何匹配文本模式并附加所需的年份。最简单的方法可能是编写一个pantheon_rules.txt 文件并将其添加到涵盖您想要的所有内容的 SUTime 规则列表中，一旦您有了基本规则，您就可以扩展它以匹配您想要的情况。我还可以在某个时候将一些处理这些案例的规则添加到官方版本中。