python - NLTK 关系提取 - relextract.extract_rels 中的自定义语料库

Question

我了解到NLTK中有一个内置函数，可以根据以下方式从NER标记的句子中提取关系:

   import re

   IN = re.compile(r'.*\bin\b(?!\b.+ing\b)')

   for fileid in ieer.fileids():
       for doc in ieer.parsed_docs(fileid):
           for rel in relextract.extract_rels('ORG', 'LOC', doc, corpus='ieer', pattern = IN):
               print(relextract.rtuple(rel))

我似乎对通用目的很有希望，但我知道 relextract.extract_rels 仅接受 'ieer' 或 'conll2002'参数语料库。但在这种情况下，它的使用仅限于这两个语料库，不是吗？如何将它用于自己的语料库(当然，假设它是 NER 标记的)。

Answer 1

这应该更像是一条评论，但我没有足够的声誉。

在对自定义语料库进行 pos 标记并转换为分块树列表后，您可以将其作为 doc 参数传递。对于自定义语料库，您应该使用 corpus='ace'。

例如，在this answer中，他们使用 extract_rels 来标记自定义语料库。