Spacy：检测是否引用了实体答案

【问题标题】：Spacy: Detect if entity is quotedSpacy：检测是否引用了实体
【发布时间】：2021-12-30 09:21:39
【问题描述】：

我需要检测给定实体是否被引号包围，单引号或双引号。我该怎么办。

我的第一个想法是为 span 添加自定义扩展：

def is_quoted(span):
   prev_token = span.doc[span.start - 1]
   next_token = span.doc[span.end + 1]

   return prev_token in ["\"", "'"] and next_token in ["\"", "'"]

Span.set_extension("is_quoted", getter=is_quoted)

但这真的是最有效的方法吗？我只想对实体执行此操作。

或者我最好只编写一个带有特定正则表达式的自定义匹配器？但这将在我的整个文档上运行。

【问题讨论】：

标签： spacy spacy-3

【解决方案1】：

如果您只关心前后的引号，您的自定义扩展看起来不错。您只需要正确处理跨度位于文档开头或结尾的情况，您现在没有这样做 - 如果跨度位于开头，您将检查 doc[-1]，例如最后一个标记.

您是否关心John said, "I never though I'd meet Peter Smith!" 之类的东西，其中“彼得·史密斯”是一个实体？如果是这样，我会找出一个嵌套引号的策略（如果很少，可能会忽略它们）并创建一个扩展，遍历每个句子并将每个标记标记为引号，或者不在引号中（引号本身定义为你想要的）。

如果您关心复杂的情况，我不会为此使用 Matcher - 它无法很好地处理嵌套，而且我认为任何使用它的解决方案都会比基本状态跟踪更复杂。（如果你只关心之前和之后应该没问题。）

【讨论】：

目前我不关心更复杂的情况，只关心在它之前和之后有引号的跨度。我也在玩DependencyMatcher，但两者都给了我相同的结果，所以不确定在效率方面什么是最好的。感谢您指出边缘情况，直到现在我才考虑到这一点。
不要使用 DependencyMatcher。我想它会起作用，但这在概念上不是依赖关系（标点符号的依赖总是有点随意）。
好的，从示例中我认为这不是它应该使用的，我会坚持使用自定义扩展