我想做的是解析原始自然文本并找到所有描述日期的短语。
我有一个相当大的语料库，所有对日期的引用都标记了：
I met him <date>yesterday</date>.
Roger Zelazny was born <date>in 1937</date>
He'll have a hell of a hangover <date>tomorrow morning</date>
我不想解释日期短语，只需找到它们。他们是约会的事实是无关紧要的（在现实生活中他们甚至不是约会，但我不想让你厌烦细节），基本上它只是一组开放式的可能值。值本身的语法可以近似为上下文无关，但是手动构建非常复杂，并且随着复杂性的增加，越来越难以避免误报。
我知道这有点遥不可及，所以我不希望存在开箱即用的解决方案，但我可以使用哪些技术或研究？
学术界和工业界使用的通用方法之一是基于条件随机场。基本上，它是一个特殊的概率模型，您首先使用标记的数据对其进行训练，然后它可以在给定文本中标记某些类型的实体。
您甚至可以尝试斯坦福自然语言处理组的系统之一：斯坦福命名实体识别器
下载该工具时，请注意有几种型号，您需要最后一种：
斯坦福 NER 包括针对 CoNLL 训练的 4 类模型、针对 MUC 训练的 7 类模型，以及针对这些类集的交集在两个数据集上训练的 3 类模型。
3类位置，人员，组织
4类位置，人员，组织，杂项
7 类时间、地点、组织、人、金钱、百分比、日期
更新。您实际上可以在这里在线试用该工具。选择muc.7class.distsim.crf.ser.gz分类器并尝试一些带有日期的文本。例如，它似乎不承认“昨天”，但它承认“20世纪”。最后，这是 CRF 训练的问题。
请记住，CRF 的训练速度相当慢，并且需要人工注释的数据，因此自己动手并不容易。阅读对此的答案，以了解人们在实践中经常这样做的另一个例子——与当前的学术研究没有太多共同之处。