从免费文本中提取杂货清单

Question

我正在寻找一个python库/算法/纸张从自由文本中提取杂货列表.

例如:

"一份沙拉和两瓶啤酒"

应转换为:

{'salad':1, 'beer': 2}

Answer 1

我建议使用WordNet。您可以从java（JWNL库）等中调用它。这里是建议：对于每个单词，检查它的上位词。对于上位层次结构顶层的食物，您会找到“食物，营养物”。这可能就是你想要的。现在为了测试这一点，在在线版本中查询单词“beer” 。单击“S”，然后单击“继承的上位词”。您会在层次结构中的某个位置找到它：

....
    S: (n) beverage, drink, drinkable, potable (any liquid suitable for drinking) "may I take your beverage order?"
        S: (n) food, nutrient (any substance that can be metabolized by an animal to give energy and build tissue) 
          ....

您可以使用您选择的编程语言等遍历此层次结构。一旦标记了所有食物，您就可以捕获数字，即“2 瓶啤酒”中的 2 个，并且您拥有所需的所有信息。请注意，单独捕获数字可能是一项下降编码任务！希望能帮助到你！