使用 Spacy 从句子中查找复合名词形容词对的任何优雅解决方案？

Question

我最近认识了Spacy，并且对这个 Python 库非常感兴趣。但是，在我的规范中，我打算从输入句子中提取复合名词-形容词对作为关键短语。我认为Spacy 提供了许多实用程序来处理 NLP 任务，但没有为我想要的任务找到满意的线索。我在SO、related post 中查看了一个非常相似的帖子，解决方案效率不高，不适用于自定义输入语句。

这里是一些输入语句：

sentence_1="My problem was with DELL Customer Service"
sentence_2="Obviously one of the most important features of any computer is the human interface."
sentence_3="The battery life seems to be very good and have had no issues with it."

这是我尝试过的代码：

import spacy, en_core_web_sm
nlp=en_core_web_sm.load()

def get_compound_nn_adj(doc):
    compounds_nn_pairs = []
    parsed=nlp(doc)
    compounds = [token for token in sent if token.dep_ == 'compound']
    compounds = [nc for nc in compounds if nc.i == 0 or sent[nc.i - 1].dep_ != 'compound']
    if compounds:
        for token in compounds:
            pair_1, pair_2 = (False, False)
            noun = sent[token.i:token.head.i + 1]
            pair_1 = noun
            if noun.root.dep_ == 'nsubj':
                adj_list = [rt for rt in noun.root.head.rights if rt.pos_ == 'ADJ']
                if adj_list:
                    pair_2 = adj_list[0]
            if noun.root.dep_ == 'dobj':
                verb_root = [vb for vb in noun.root.ancestors if vb.pos_ == 'VERB']
                if verb_root:
                    pair_2 = verb_root[0]
            if pair_1 and pair_2:
                compounds_nn_pairs.append(pair_1, pair_2)
    return compounds_nn_pairs

我推测应该在辅助函数上方应用什么样的修饰，因为它没有返回我预期的复合名词-形容词对。有谁对Spacy有好的经验吗？如何改进上述草图解决方案？有更好的主意吗？

期望的输出：

我希望从每个输入句子中得到复合名词-形容词对，如下所示：

desired_output_1="DELL Customer Service"
desired_output_2="human interface"
desired_output_3="battery life"

有什么办法可以得到预期的输出？上述实施需要什么样的更新？还有什么想法吗？提前致谢！

Answer 1

看起来 spaCy 只检测句子 1 和 3 中的复合关系，并将 2 视为 amod 关系。 （这里有一些检查其解析的快速代码：[(i, i.pos_, i.dep_) for i in nlp(sentence_1)]）。

要从 1 和 3 中取出化合物，试试这个：

for i in nlp(sentence_1):
    if i.pos_ in ["NOUN", "PROPN"]:
        comps = [j for j in i.children if j.dep_ == "compound"]
        if comps:
            print(comps, i)

对于句子中的每个名词或专有名词，它会检查其子树中的compound 关系。

要撒下一张更广泛的网，也可以收集形容词，您可以在单词的子树中查找形容词和名词，而不仅仅是复合词：

for i in nlp(sentence_2):
    if i.pos_ in ["NOUN", "PROPN"]:
        comps = [j for j in i.children if j.pos_ in ["ADJ", "NOUN", "PROPN"]]
        if comps:
            print(comps, i)

Answer 2

我怀疑这必须使用复合名词数据库来处理。 “复合名词”的地位来自于用法的共性。因此，也许各种 n-gram 数据库（如 Google 的）可以作为来源。