标签: knowledge-base-population

我最近正致力于使用nltk从文本中提取关系.所以我建立了一个示例文本:"汤姆是微软的联合创始人." 并使用以下程序测试并返回任何内容.我无法弄清楚为什么.

我使用的是NLTK版本:3.2.1,python版本:3.5.2.

这是我的代码:

import re
import nltk
from nltk.sem.relextract import extract_rels, rtuple
from nltk.tokenize import sent_tokenize, word_tokenize


def test():
    with open('sample.txt', 'r') as f:
        sample = f.read()   # "Tom is the cofounder of Microsoft"

    sentences = sent_tokenize(sample)
    tokenized_sentences = [word_tokenize(sentence) for sentence in sentences]
    tagged_sentences = [nltk.tag.pos_tag(sentence) for sentence in tokenized_sentences]

    OF = re.compile(r'.*\bof\b.*')

    for i, sent in enumerate(tagged_sentences):
        sent = nltk.chunk.ne_chunk(sent) # ne_chunk method expects one tagged sentence
        rels = extract_rels('PER', 'GPE', sent, corpus='ace', pattern=OF, window=10) 
        for rel …

我一直在玩 miniKanren，试图通过将非常基本的 Prolog 教程转换成它来理解它。

我习惯使用 Python，所以我从 LogPy 库开始，该库后来被分叉和改进为一个实际上称为miniKanren 的库

从lib的README中给出的示例我们可以看到：

>>> from kanren import Relation, facts
>>> parent = Relation()
>>> facts(parent, ("Homer", "Bart"),
...               ("Homer", "Lisa"),
...               ("Abe",  "Homer"))

>>> run(1, x, parent(x, "Bart"))
('Homer',)

这与您在 Prolog 教程开始时可能看到的内容基本对应，例如：

% facts.pl
parent(homer, bart).
parent(homer, lisa).
parent(abe, homer).

?- consult('facts')
true.

?- parent(X, bart).
X = homer

我对此感到很高兴...

后来我发现自己阅读了更多的 MiniKanren 文献（一般意义上，不是 Python 库），我意识到我还没有看到任何以这种方式使用事实数据库的示例，也没有提到过这样的示例。

我错过了吗？或者这实际上不是 MiniKanren 的一个“理性策划者”的功能？

我确实在 Clojure 实现中找到了这样的东西core.logic，其中有：https: //github.com/clojure/core.logic/wiki/Features#simple-in-memory-database

它的工作方式非常相似，尽管比 python 更好，因为数据库是一个不同的实体，而不是库中的全局变量。

python lib 是否只是借用了非 kanren 的想法 …