2

我正在尝试使用 NLTK 识别名词短语，但在正则表达式上仍然有点绿色。

我最初使用的是这样的正则表达式：

  NP: {<PP\$>?<JJ.*>*<NN.*>+}

但我发现我不断收到以介词结尾的表达式，所以像：“Demonstration projects for”，以介词“for”结尾的东西是匹配的，这是不可取的。（我还没有看到，即使使用上面的语法——据我所知，这应该总是以至少一个名词结尾，对吧？）

因此，我通过将量词更改为：

  NP: {<PP\$>?<JJ.*>*<NN.*>+?}

但现在我得到了像“奥尔良”这样的比赛，而不是“新奥尔良”。似乎它不再匹配短语了。

最后，我尝试使用前瞻（我在这里了解到）来显式删除终端介词：

  NP: {((?!<IN>$)(<PP\$>?<JJ.*>*<NN.*>+))+}

这根本没有效果-我仍然将“示范项目”之类的东西作为匹配项。我怎样才能让我的名词短语没有终结介词？

如果有一种更简单、更优化的方式来获取名词短语，那也将不胜感激！

4

0 回答 0