java - 如何修改StanfordNLP中的TokenRegex规则？

Question

我有 tokenregex 的规则文件为

$EDU_FIRST_KEYWORD = (/教育/|/类(class)[s]?/|/教育/|/学术/|/教育//和/?|/专业/|/认证[s]?//和/？)

$EDU_LAST_KEYWORD = (/背景/|/资格[s]?/|/培训[s]?/|/详细信息[s]?/|/记录[s]?/) tokens = { 类型:“CLASS”，值:“edu.stanford.nlp.ling.CoreAnnotations$NamedEntityTagAnnotation” }

{ 规则类型:“ token ”，模式:( $EDU_FIRST_KEYWORD $EDU_LAST_KEYWORD ？), 结果:“教育” }

我想要匹配 EDU_FIRST_KEYWORD 后跟 EDU_LAST_KEYWORD。如果两个部分都不匹配，则检查 EDU_FIRST_KEYWORD 是否与给定字符串匹配。

例如1. 培训类(class)

匹配输出:教育(因为它与类(class)匹配，这不应该发生)

预期输出:无输出

这是因为它与字符串的第一部分或完整字符串都不匹配。

教育背景

匹配输出:教育

预期输出:教育

我尝试更改模式:( $EDU_FIRST_KEYWORD $EDU_LAST_KEYWORD ?) 为 模式:( $EDU_FIRST_KEYWORD + $EDU_LAST_KEYWORD ?) 但这没有帮助。

我尝试了 stanfordNLP tokenregex 文档，但无法了解如何实现这一点。有人可以帮我更改规则文件吗？ 提前致谢。

Answer 1

您希望使用 TokenSequenceMatcher 的 matches() 方法来针对整个字符串运行您的规则。

如果您使用find()，它将搜索整个字符串...如果您使用matches()，它将查看整个字符串是否与模式匹配。

目前我不确定 TokensRegexAnnotator 是否可以对句子执行完整的字符串匹配，因此您可能需要使用如下代码:

package edu.stanford.nlp.examples;

import edu.stanford.nlp.util.*;
import edu.stanford.nlp.ling.*;
import edu.stanford.nlp.ling.tokensregex.Env;
import edu.stanford.nlp.ling.tokensregex.TokenSequencePattern;
import edu.stanford.nlp.ling.tokensregex.TokenSequenceMatcher;
import edu.stanford.nlp.pipeline.*;

import java.util.*;

public class TokensRegexExactMatch {

  public static void main(String[] args) {
    Properties props = new Properties();
    props.setProperty("annotators", "tokenize");
    StanfordCoreNLP pipeline = new StanfordCoreNLP(props);
    Annotation annotation = new Annotation("Training & Courses");
    pipeline.annotate(annotation);
    //System.err.println(IOUtils.stringFromFile("course.rules"));
    Env env = TokenSequencePattern.getNewEnv();
    env.bind("$EDU_WORD_ONE", "/Education|Educational|Courses/");
    env.bind("$EDU_WORD_TWO", "/Background|Qualification/");
    TokenSequencePattern pattern = TokenSequencePattern.compile(env, "$EDU_WORD_ONE $EDU_WORD_TWO?");
    List<CoreLabel> tokens = annotation.get(CoreAnnotations.TokensAnnotation.class);
    TokenSequenceMatcher matcher = pattern.getMatcher(tokens);
    // matcher.matches()
    while (matcher.find()) {
      System.err.println("---");
      String matchedString = matcher.group();
      List<CoreMap> matchedTokens = matcher.groupNodes();
      System.err.println(matchedTokens);
    }
  }
}