基于规则的实体匹配器

Question

我想使用 python 库 spacy 来匹配文本中的标记（添加标签作为语义参考）。然后，我想使用匹配来提取标记之间的关系。我的第一个是利用 spacy 的 matcher.add 和 matcher.add_pattern。 matcher.add 工作正常，我可以找到令牌，我的代码到现在：

import spacy


nlp = spacy.load('en')

def merge_phrases(matcher, doc, i, matches):
    if i != len(matches)-1:
        return None
    spans = [(ent_id, label, doc[start : end]) for ent_id, label, start, end in matches]
    for ent_id, label, span in spans:
        span.merge('NNP' if label else span.root.tag_, span.text, nlp.vocab.strings[label])



matcher = spacy.matcher.Matcher(nlp.vocab)



matcher.add(entity_key='1', label='FINANCE', attrs={}, specs=[[{spacy.attrs.ORTH: 'financial'}, {spacy.attrs.ORTH: 'instrument'}]], on_match=merge_phrases)
matcher.add(entity_key='2', label='BUYER', attrs={}, specs=[[{spacy.attrs.ORTH: 'acquirer'}]], on_match=merge_phrases)
matcher.add(entity_key='3', label='CODE', attrs={}, specs=[[{spacy.attrs.ORTH: 'Code'}]], on_match=merge_phrases)

这很好用并且输出了很好的结果：

doc = nlp(u'Code used to identify the acquirer of the financial instrument.')

# Output
['Code|CODE', 'used|', 'to|', 'identify|', 'the|', 'acquirer|BUYER', 'of|', 'the|', 'financial instrument|FINANCE', '.|']

我的问题是，如何使用 matcher.add_patern 来匹配标记之间的关系，例如

matcher.add_pattern("IS_OF", [{BUYER}, {'of'}, {FINANCE}])

对于输出：

doc = nlp(u'Code used to identify the acquirer of the financial instrument.')

# Output
[acquirer of financial instrument]

我尝试过不同的方法来实现它，但显然不行，我想我对 matcher.add_pattern 的理解有问题。

可以请一些人告诉我正确的方向如何做到这一点宽敞？
是否可以在此处添加正则表达式来查找模式，如何？
如何添加多个具有相同标签的令牌，或以某种方式创建同一标签的标记列表，例如。 "FINANCE"?

如有任何意见，我将不胜感激。

Answer 1

您的匹配器会识别标记，但要找到它们之间的关系，您必须进行依赖性解析。这是 visual example from spacy :

然后您可以遍历树以查找标记之间的关系。 https://spacy.io/docs/usage/dependency-parse#navigating

每个标记的 dep（枚举）和 dep_（详细名称）属性将为您提供与其子标记的关系

基于规则的实体匹配器

Rule-based matcher of entities with spacy

python

information-extraction

spacy