我正在寻找使用Stanford CoreNLP捕获度量的方法。（如果您可以建议使用其他提取器，那也可以。）
例如，我想找到15kg，15 kg，15.0 kg，15千克，15 lbs，15磅，等等。但是在CoreNLP提取规则中，我看不到要进行测量的规则。
当然，我可以使用纯正则表达式来做到这一点，但是工具箱可以更快地运行，并且它们提供了在更高层次上进行分块的机会，例如将gb和GB一起处理，以及将RAM和内存视为构建块-即使没有完整的语法分析-当他们构建更大的单元时，例如128 gb RAM和8 GB内存。
我想要一个基于规则的提取器，而不是基于机器学习的提取器，但不要将其中一个作为RegexNer或其他部分的一部分。我该怎么办？
IBM命名实体提取可以做到这一点。正则表达式以一种有效的方式运行，而不是通过每个文本传递文本。并将正则表达式捆绑在一起以表达有意义的实体，例如将所有度量单位统一为一个概念的实体。
我认为该特定任务不存在基于规则的系统。但是，使用TokensregexNER并不难。例如，映射如下：
[{ner:NUMBER}]+ /(k|m|g|t)b/ memory? MEMORY
[{ner:NUMBER}]+ /"|''|in(ches)?/ LENGTH
...
您也可以尝试使用vanilla TokensRegex，然后通过捕获组提取相关值：
(?$group_name [{ner:NUMBER}]+) /(k|m|g|t)b/ memory?
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句