有没有方法在标记的句子中使用nltk将两个或多个标签重复进行分块？

Question

我正在尝试在Python中使用nltk模块，把连续出现的两个到五个名词组合在一起。

这是我使用的代码：

parse_pattern  = "Keyword: {< N>{2,5}}"
keyword_parser = nltk.RegexpParser(parse_pattern)
result = keyword_parser.parse(sentence)

我觉得这段代码应该能解决问题：Keyword: {< N>{2,5}}

我甚至在《用Python进行自然语言处理》这本书中找到了一个类似的例子：NOUNS: {< N.*>{4,}}，书中的作者解释说这段代码应该能组合四个或更多的名词。

但是，当我运行上面的代码时，出现了错误：

ValueError: Illegal chunk pattern: {< N>{2,5}}

注意：我还尝试过使用{< N.*>{2,5}}（使用点星号是因为前面提到的书的作者这样做）但也没有成功。

如果有人能帮我解决如何组合两个或更多标签的重复问题，我将非常感激。

Answer 1

请查看regex.py这个包里的代码，里面有一个叫tag_pattern2re_pattern()的方法，它的功能是把标签模式转换成正确的正则表达式。而常量参数CHUNK_TAG_PATTERN是不可改变的，它的开头和结尾都有一些特殊字符，比如'('、' '、'<'、')'、'>'、'>'。所以标签模式CHUNK:{<V.*><TO><V.*>}是正确的，但标签模式CHUNK:{<V>.*<TO><V.*>{1,}}就是不正确的。

Answer 2

nltk给名词打上了以下标签：

• <NN> 表示单数名词
• <NNP> 表示单数专有名词
• <NNS> 表示复数名词
• <NNPS> 表示复数专有名词

所以，如果你想要在文本中找到这些名词出现两到五次，你需要用到这个正则表达式：

<NN.*>{2,5}

根据你的例子，这样写就可以了：

parse_pattern  = "Keyword: {<NN.*>{2,5}}"
keyword_parser = nltk.RegexpParser(parse_pattern)
result         = keyword_parser.parse(sentence)

注意，sentence 必须被标记，比如：

sentence = [("dog", "NN"), ("David", "NNP"), ("cats", "NNS")]

Answer 3

这个错误可能是因为开头的尖括号和字母N之间有个空格导致的。

parse_pattern = "Keyword: {<N>{2,5}}" 这样写是对的，而不是
parse_pattern = "Keyword: {< N>{2,5}}"

另外，使用带有额外点星号的语法也不用担心，这个只有在你想匹配所有以N开头的标签时才需要。

如果这些都不行，你可以试试另一种写法，这种写法不需要{最小值, 最大值}的语法来表示出现的次数范围。
parse_pattern = "Keyword: {<N><N><N>?<N>?<N>?}"

如果这也不行，试试简单的parse_pattern = "Keyword: {<N>}"，希望这样能让你得到一些结果，或者至少能帮助你找出其他可能出错的地方。