NLP 文本转换更改主题答案

【问题标题】：NLP text transformation Changing subjectNLP 文本转换更改主题
【发布时间】：2019-09-04 19:20:21
【问题描述】：

我是 NLP 领域的新手，但想知道目前是否有任何简单的方法（使用服务或 OSS 等）在原始主题已知的情况下使用 NLP 更改大量文本的主题（以及如果这样的方法可以在多种语言中使用，最好？）（相当于方法 sentence().toPastTense() 详细/可在此处获得：https://nlp-compromise.github.io）

假设原始文本是关于“你”的，并且您知道情况总是如此，但您想自动生成一个文本版本，将其更改为“你的兄弟”

（非常荒谬）示例：

“你应该走下大厅，当你到达拐角处时，你就完成了。”

会变成

“你的兄弟应该走下大厅，当他到达拐角处时完成。”

据我了解，这种类型的文本转换依赖于词形还原（正如这篇文章 https://towardsdatascience.com/introduction-to-natural-language-processing-for-text-df845750fb63 所展示的那样），但由于我一直在研究文本转换方法，我还没有看到任何与该主题相关的方法句子？

【问题讨论】：

标签： nlp

【解决方案1】：

我不知道有什么副手，但肯定可以做到。例如，使用TextBlob，您可以尝试使用词性提出一个功能。显然，您需要的不仅仅是这个小 sn-p，比如检查主语/动词一致性的函数，但它是一种方法的示例，希望它是值得深思的。

from textblob import TextBlob
from textblob.taggers import NLTKTagger
from textblob import Word

def lil_subj_replacer(phrase,input_subj,input_prp):
    nltk_tagger = NLTKTagger()
    blob = TextBlob(phrase,pos_tagger=nltk_tagger)
    subject = True
    for i,keyval in enumerate(blob.pos_tags):
        key = keyval[0]
        value = keyval[1]
        if (value == 'PRP'):
            if subject:
                blob.words[i] = input_subj
                subject = False
            else:
                blob.words[i] = input_prp

            blob.words[i+1] = Word(blob.words[i+1]).lemmatize('v')
    return ' '.join(blob.words)

my_phrase = 'You should go down the hall, as you reach the corner you are done.'
print(my_phrase)
print(lil_subj_replacer(phrase=my_phrase,input_subj='Your brother',input_prp='he'))

原文：You should go down the hall, as you reach the corner you are done.

没有词形还原：Your brother should go down the hall as he reach the corner he are done

词形化动词：Your brother should go down the hall as he reach the corner he be done

编辑：添加了 lemmaz 的示例，因为你提到了它。

【讨论】：