python - 基于规则的 Spacy 实体匹配器

Question

我想使用 python 库 spacy 来匹配文本中的标记(添加标签作为语义引用)。然后，我想使用匹配来提取标记之间的关系。我的第一个方法是利用 spacy 的 matcher.add 和 matcher.add_pattern 。 matcher.add 工作正常，我可以找到 token ，到目前为止我的代码:

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)

这工作正常并且输出非常好的结果:

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]

我尝试了不同的方法来使其工作，但显然不行，我猜我对 matcher.add_pattern 的理解有问题。

1. 请告诉我如何做到这一点的正确方向 空间大？
2. 是否可以在此处添加正则表达式来查找模式，如何实现？
3. 如何添加多个具有相同标签的标记，或以某种方式创建 同一标签的标记列表，例如。 “金融”？

我将不胜感激任何评论。

Answer 1

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

然后您可以遍历树来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