你如何考虑段落或大量的文本并将其分解为句子(最好使用Ruby),同时考虑到Mr.和Dr.以及USA这样的案例？(假设你只是将句子放入一个数组数组中)
更新:我想到的一个可能的解决方案是使用词性标注器(POST)和分类器来确定句子的结尾:
从琼斯先生那里获取数据时,他走出意大利避暑别墅的阳台,感受到了温暖的阳光.他很高兴活着.
CLASSIFIER先生/ PERSON Jones/PERSON感觉/ O/O温暖/ O太阳/ O开/ O他/ O面/ O as/O他/ O步/ O出/ O到/ O/O阳台/ O/O他/ O夏天/ O家/ O in/O意大利/ LOCATION ./O他/ O是/ O快乐/ O到/ O是/ O活着/ O ./O
POST先生/ NNP Jones/NNP感觉/ VBD/DT温暖/ JJ太阳/ NN on/IN他/ PRP $ face/NN as/IN他/ PRP踩/ VBD输出/ RP上/ IN/DT阳台/ NN /他/ PRP $ summer/NN home/NN in/IN Italy./NNP He/PRP/VBD happy/JJ to/TO be/VB alive./IN
我们可以假设,由于意大利是一个地点,这段时间是句子的有效结束吗？自从"先生"结束 没有其他词性,我们可以假设这不是一个有效的句末期吗？这是我问题的最佳答案吗？
思考？
有没有人找到一种简单但有效的方法从文本中提取日期引用？我已经做了大量的时间提取工具搜索,但是没有很多东西.有一些白皮书,但它似乎属于整个语义网的一个子集,但没有给予太多的关注.
我只是在找80%有效的东西.没有必要捕捉像"2009年1月之后的月份"之类的东西,但是基本的日期实体会很好.
我对所有建议持开放态度,甚至是花哨的正则表达式.
消防!
(谢谢 - 亨利)