用自定义标签手动标记训练集

Question

我想在烹饪食谱上进行一些自然语言处理，特别是配料（也许稍后再准备）。基本上，我希望创建我自己的一套POS标签，以帮助我确定成分线的含义。在

例如，如果其中一种成分是： 3/4杯（轻包装）平叶欧芹叶，分瓣

我想用标签来表达所列出的成分和数量，通常是一个数字后跟一些计量单位。例如：

3\NUM-QTY/\FRACTION4\NUM-QTY cup\N-MEAS（轻包装\VD）[平叶\ADJ欧芹\N]\配料叶\N，分开\VD

我找到的标签here。在

我对一些事情不确定：

1. 我应该使用自定义标记，还是应该在使用预先存在的标记之后进行某种标记后处理？在
2. 如果我真的使用自定义标签，那么最好的方法是让培训文本只通过一个成分列表，然后手工标记所有的东西吗？在

我觉得这种语言处理是如此的具体，以至于在一个合适的集合上训练一个标记员是有益的，但是我不确定如何继续。在

谢谢！在

Answer 1

使用模式.搜索图书馆。在

python模式库支持许多标记[1]，包括基数标记（CD）。在

一旦您标记了基数，分数就是“cardinal/cardinal”或类似“cardinal cardinal/cardinal”的内容。在

关于数量，你应该建立一个烹饪量的分类法。python模式库还支持lemmatization[2]。在

我想用模式.搜索[2] 您可以构建一个适合您的数据的约束，并使用它对文本进行模式搜索。在

[1]http://www.clips.ua.ac.be/pages/mbsp-tags [2]http://www.clips.ua.ac.be/pages/pattern-search在