Sri*_*ram 5 python nlp machine-learning nltk
我目前正在运行pyhton代码,该代码贯穿文本文件的每一行并解析日期行.如果确实在行中找到了日期,则该行将复制到新的输出文件中.我在100个文档上重复这个过程,最后我得到一个输出文件,其中包含日期类似于"2013,August 2014,11-11-1987等"的日期.
问题在于,它没有提供与某些日期相关的事件的准确信息.
这个问题有更优雅的方法吗？下面是我试图提取2010年12月日期事件的文件
根据当地一家杂志昨天发表的一项研究,台北是所有主要城市和县中最具竞争力的地方.在全球视野杂志的研究中,台北分别在经济,就业,教育,环境保护,公共安全,医疗和地方财政等各个类别中排名第一.从整体竞争力来看,台北是第一,其次是新竹市,嘉义市和新北市.Global View评论说,在中央政府大力资助的六十多年的特权发展中,台北在可预见的未来仍将不受挑战.台北和新台北是全国五个内阁级别的特殊城市中的两个,但其他三个 - 台中,台南和高雄 - 虽然比其他大多数地方政府拥有更多的资源,但在研究中未能获得好评.台中排名第七,台南第12和高雄在所有19个地方政府中排名第15.2010年12月,三个特殊城市通过合并邻近县而增长到现在的规模.但Global View表示,合并削弱了他们的竞争力.但就经济竞争力而言,所有五个特殊城市都排在前十位.底部是农业屏东县.但该杂志称,另一个农业县台东进入前十,占据第八位,主要是因为其犯罪率低.
正如你所看到的,当我解析包含2010年12月的行时,我真的没有得到任何有意义的信息但实际上有一个重大事件正在合并各个不同的县.这没有被捕获.因此我需要知道是否有任何算法/库可以帮助我捕获在特定日期发生的事件
谢谢
我建议你试试用于python的NLTK库.你可以在这里得到它,这里也是一些基本的手册:http: //www.nltk.org/book/ch07.html
它有大量用于从文本中提取含义的算法.它还有一些模块允许您:
1)提取实体2)提取日期3)建立提取的实体和日期之间的关系.
我建议你注意NLTK库中的timex.py模块:https: //github.com/nltk/nltk_contrib/blob/master/nltk_contrib/timex.py
它主要用于标记文本中的日期和时间.
以下是提取实体关系的指南:http: //www.nltk.org/howto/relextract.html
所以我相信你可以从你的文本中提取有趣的实体(比如你提到的事件),你可以提取日期作为另一组实体,并使用NLTK你可以建立这些提取的实体之间的关系.结果你应该得到你需要的东西 - 什么时候发生的.
| 归档时间： |
|
| 查看次数： |
6525 次 |
| 最近记录： |