nltk 使用 RegexpParser 提取名词短语答案

【问题标题】：nltk extract nounphrase with RegexpParsernltk 使用 RegexpParser 提取名词短语
【发布时间】：2020-03-24 13:49:52
【问题描述】：

我想从文本中提取名词短语，我将 python 与 NLTK 结合使用。我在互联网上发现了一种使用 RegexpParser 的模式，如下所示：

grammar = r"""
        NBAR:
            {<NN.*|JJ>*<NN.*>}  # Nouns and Adjectives, terminated with Nouns
        NP:
            {<NBAR>}
            {<NBAR><IN><NBAR>}  # Above, connected with in/of/etc...
    """
    cp = nltk.RegexpParser(grammar)

我想修改语法变量以添加“名词的名词”或“名词中的名词”的情况（例如“cup of coffee”或“water in cup”）我的测试字符串是：'邮政编码是新的交付方式' 我想收到短语列表：['portal code', 'new method','new method of delivery']

【问题讨论】：

标签： parsing nltk

【解决方案1】：

我的答案是：

def ExtractNP(text):
nounphrases = []
words = nltk.word_tokenize(text)
tagged = nltk.pos_tag(words)
grammar = r"""
     NP:
        {<JJ*><NN+><IN><NN>}
        {<NN.*|JJ>*<NN.*>}
    """
chunkParser = nltk.RegexpParser(grammar)
tree = chunkParser.parse(tagged)
for subtree in tree.subtrees(filter=lambda t: t.label() == 'NP'):
    myPhrase = ''
    for item in subtree.leaves():
        myPhrase += ' ' + item[0]
    nounphrases.append(myPhrase.strip())
    # print(myPhrase)
nounphrases = list(filter(lambda x: len(x.split()) > 1, nounphrases))
return nounphrases

实际上，这并不是什么新鲜事，但我发现语法回归是按他们声明的那样有序地分块的。这意味着输入句子（'邮政编码是新的投递方式'）将被剪切到匹配的内容

{<JJ*><NN+><IN><NN>}

('新的投递方式')，然后将剩下的('邮政编码是')进行比较并用于下次匹配

{<NN.*|JJ>*<NN.*>}

返回“邮政编码”。因此，我们无法在返回的结果中获得“新方法”。

【讨论】：