检测 spacy 中的日期

Question

有没有办法编写一个基于规则的系统来从合同文本中捕获诸如开始/结束日期之类的内容。这里有几个真实的例子。我正在加粗我希望 spacy 自动检测的日期实体。如果您有与 spacy 不同的其他想法也可以！

1. 本租约的初始期限为五 (5) 年，自 February 1, 2012、（“租赁开始日期”）起至January 31, 2017 （“初始租赁期限”）届满。

2. 期限：一 (1) 年开始January 1, 2007（“开始日期”）和结束 December 31, 2007（“到期日期”）。

3. 本租赁协议签订期限为 15 年，自 年 月 日January 1, 2014起至 年末December 31, 2028。

Answer 1

我认为您必须明确区分两种类型的方法：

1) 统计模型/机器学习，又名 NER 模型。在尝试确定特定标记或多个连续标记是否为日期时，这些将考虑句子的上下文。spaCy 具有预先构建的 NER 模型，您可以下载以试用您的特定数据。您将要查找doc.ents具有ent.label_ == DATE. 拥有这些实体后，您可以通过日期解析器运行它们以了解实际日期是什么。另请参阅此处了解更多信息。

2) 基于规则的实体识别。在这里，你必须通过指定您希望如何日期将是什么样子，比如给自己定义规则XX/XX/XXXX与X是一个数字。正如 user1558604 指出的那样，如果您想识别日期的不同表示，则必须编写多个不同的规则。您可以在此处找到 spaCy 基于规则的匹配方法的概述。

Answer 2

您可以使用 CoreNLP 中的 SUTime 轻松完成此操作：https ://github.com/FraBle/python-sutime