基于NLTK的分块关系抽取

Question

我试图弄清楚如何使用NLTK的级联chunker，如Chapter 7 of the NLTK book。不幸的是，在执行非琐碎的分块度量时，我遇到了一些问题。在

让我们从这个短语开始：

"adventure movies between 2000 and 2015 featuring performances by daniel craig"

当我使用以下语法时，我能够找到所有相关的NPs：

grammar = "NP: {<DT>?<JJ>*<NN.*>+}"

但是，我不知道如何用NLTK构建嵌套结构。这本书给出了以下格式，但显然有几点遗漏（例如，一个人实际上如何指定多个规则？）公司名称：

grammar = r"""
  NP: {<DT|JJ|NN.*>+}          # Chunk sequences of DT, JJ, NN
  PP: {<IN><NP>}               # Chunk prepositions followed by NP
  VP: {<VB.*><NP|PP|CLAUSE>+$} # Chunk verbs and their arguments
  CLAUSE: {<NP><VP>}           # Chunk NP, VP
  """

就我而言，我想做如下几点：

^{pr2}$

假设我想为我的任务使用级联分块器，我需要使用什么语法？另外，在使用chunker时，我是否可以指定特定的词（例如“directed”或“acted”）？在

Answer 1

我不能对关系提取部分发表评论，尤其是因为你没有详细说明你想做什么以及你拥有什么样的数据。所以这是一个相当片面的答案。在

a.) How does cascading chunking work in NLTK b.) Is it possible to treat the chunker like a context-free grammar, and if so, how?

正如我在NLTK书中对"Building nested structure with cascaded chunkers"部分的理解，您可以将其与上下文无关的语法一起使用，但是您必须反复应用它来获得递归结构。chunker是平坦的，但是可以在chunks上添加chunk。在

c.) How can I use chunking to perform relation extraction?

我真的说不出来，不管怎样，正如我说的，你没有给出任何细节；但是如果你在处理真实的文本，我的理解是，手工编写的规则集对于任何任何任务都是无用的，除非你有一个庞大的团队和大量的时间。看看NLTK附带的概率工具。如果你有一个带注释的训练语料库，这会容易得多。在

不管怎样，还有几条关于RegexpParser的注释。在

1. 您将在http://www.nltk.org/howto/chunk.html上找到更多的使用示例。（不幸的是，这不是一个真正的操作指南，而是一个测试套件。）

2. 根据this,可以指定多个展开规则，如下所示：

   patterns = """NP: {<DT|PP\$>?<JJ>*<NN>}
       {<NNP>+}
       {<NN>+}
   """
   

   我应该补充一点，语法可以有多个规则，并且具有相同的左侧。这样可以增加分组相关规则等的灵活性。