python空间向后查找块（在引用之前）

Question

我正在使用一个NLP项目的空间。 使用Spacy创建文档时，可以通过以下方式找到文本中的名词块（也称为“名词短语”）：

import spacy
nlp = spacy.load("en_core_web_sm")
doc = nlp(u"The companies building cars do not want to spend more money in improving diesel engines because the government will not subsidise such engines anymore.")
for chunk in doc.noun_chunks:
    print(chunk.text)

这将给出一个名词短语的列表。你知道吗

例如，在本例中，第一个名词短语是“公司”。你知道吗

假设您有一个文本，其中名词块引用了一个数字。你知道吗

比如：

doc=nlp(the Window (23) is closed because the wall (34) of the beautiful building (45) is not covered by the insurance (45))

假设我有代码来识别引用，例如标记它们：

myprocessedtext=the Window <ref>(23)</ref> is closed because the wall <ref>(34)</ref> of the beautiful building <ref>(45)</ref> is not covered by the insurance <ref>(45)</ref>

我怎样才能得到紧挨着引用前面的名词块（名词短语）？你知道吗

我的想法是：将每个引用之前的10个单词传递给一个spacy doc对象，提取名词块并得到最后一个。这是非常低效的，因为创建doc对象非常耗时。你知道吗

不需要创建额外的nlp对象，还有其他想法吗？你知道吗

谢谢。你知道吗

Answer 1

您可以分析整个文档，然后根据标记位置或字符偏移量在每个引用之前找到名词块。名词块中最后一个标记的标记偏移量是noun_chunk[-1].i，最后一个标记开始的字符偏移量是noun_chunk[-1].idx。（检查分析是否不受引用字符串的影响；示例(1)样式的引用似乎被分析为同位语，这很好。）

如果分析受引用字符串的影响，请将它们从文档中删除，同时跟踪它们的字符偏移量，分析整个文档，然后找到保存位置之前的名词块。你知道吗