在 nltk 中结合两个正则表达式语法

Question

我正在使用nltk 中的语法定义名词短语。 nltk提供的例子是：

grammar = "NP: {<DT>?<NNP>*<NN>}"

那么如果我有一个类似的句子：show me the Paris hospitals，库可以检测到名词短语：

>>> s
'show me the Paris hospitals'
>>> grammar = "NP: {<DT>?<NNP>*<NNS>}"
>>> nltk.RegexpParser(grammar).parse(nltk.pos_tag(nltk.word_tokenize(s)))
Tree('S', [('show', 'VB'), ('me', 'PRP'), Tree('NP', [('the', 'DT'), ('Paris', 'NNP'), ('hospitals', 'NNS')])])

现在，句子可以写成另一种方式：show me the hospitals of Paris，因此我需要将语法更改为：

>>> grammar = "NP: {<DT>?<NNS><IN><NNP>}"
>>> s = "show me the hospitals in Paris"
>>> nltk.RegexpParser(grammar).parse(nltk.pos_tag(nltk.word_tokenize(s)))
Tree('S', [('show', 'VB'), ('me', 'PRP'), Tree('NP', [('the', 'DT'), ('hospitals', 'NNS'), ('in', 'IN'), ('Paris', 'NNP')])])

如何将这两种语法组合成一个独特的语法？我无法弄清楚这两个语法的 OR 条件。

Answer 1

你可以在一个语法中定义两个 NP 规则：

grammar = """
NP: {<DT>?<NNP>*<NNS>}
NP: {<DT>?<NNS><IN><NNP>}
"""

或使用| 作为想要的OR 条件：

grammar = "NP: {<DT>?<NNP>*<NNS>|<DT>?<NNS><IN><NNP>}"

完整示例：

import nltk

sentence_1 = 'show me the Paris hospitals'
sentence_2 = "show me the hospitals in Paris"

grammar_1 = """
NP: {<DT>?<NNP>*<NNS>}
NP: {<DT>?<NNS><IN><NNP>}
"""
parser_1 = nltk.RegexpParser(grammar_1)

grammar_2 = "NP: {<DT>?<NNP>*<NNS>|<DT>?<NNS><IN><NNP>}"
parser_2 = nltk.RegexpParser(grammar_2)

for s in sentence_1, sentence_2:
    tokens = nltk.word_tokenize(s)
    pos_tags = nltk.pos_tag(tokens)
    print(parser_1.parse(pos_tags))
    print(parser_2.parse(pos_tags))

# outputs the same for both parsers:
# (S show/VB me/PRP (NP the/DT Paris/NNP hospitals/NNS))
# (S show/VB me/PRP (NP the/DT Paris/NNP hospitals/NNS))
# (S show/VB me/PRP (NP the/DT hospitals/NNS) in/IN Paris/NNP)
# (S show/VB me/PRP (NP the/DT hospitals/NNS) in/IN Paris/NNP)

(link to the documentation)