Python中NLP spaCy匹配器中的模式顺序问题

问题描述

我尝试提取一些关键字，但我不确定句子结构是什么。

import spacy
from spacy.matcher import Matcher
nlp = spacy.load("en_core_web_sm")

matcher = Matcher(nlp.vocab,validate=True)

patterns = [{"LOWER": "cat"},{"OP": "?"},{"LOWER": "cute"}]
    
matcher.add("CAT",None,patterns)
    
doc = nlp(u"I have a white cat. It is cute; I have a cute cat. It is white")
matches = matcher(doc)
for match_id,start,end in matches:
        rule_id = nlp.vocab.strings[match_id]  # get the unicode ID,i.e. 'CategoryID'
        span = doc[start : end]  # get the matched slice of the doc
        print(rule_id,span.text)

#Output
CAT cat. It is cute

这个模式只显示了 cat -> 可爱的结果，但没有可爱 -> 猫。我如何更改它以反映两个方向，因为我不确定这句话的样子？或者我是否需要创建另一个模式来捕捉另一个方向？谢谢。

解决方法

也许您正在寻找 IN 属性或 ISSUBSET 属性。

您可以使用这些属性来匹配属性字典，而不是映射到单个值。

看看 Extended Patterns 也许你也可以使用 ISSUBSET，这取决于你的用例

代码：

import spacy
from spacy.matcher import Matcher
nlp = spacy.load("en_core_web_md")

matcher = Matcher(nlp.vocab,validate=True)

patterns = [{"LOWER": {"IN": ["cat","cute"]}},{"OP": "?"},{"LOWER": {"IN": ["cat","cute"]}}]
    
matcher.add("CAT",None,patterns)
    
doc = nlp(u"I have a white cat. It is cute; I have a cute cat. It is white")
matches = matcher(doc)
for match_id,start,end in matches:
        rule_id = nlp.vocab.strings[match_id]  # get the unicode ID,i.e. 'CategoryID'
        span = doc[start : end]  # get the matched slice of the doc
        print(rule_id,span.text)

输出

CAT cat. It is cute
CAT cute cat