python-3.x - 使用python从非结构化文本中提取数字实体

我想使用神经模型（如使用 python 的 CRF）提取非结构化文本格式中提到的温度和持续时间等数值实体。我想知道如何进行数字提取，因为互联网上的大多数示例都是针对特定单词或字符串的提取。

输入：“在那里 5 分钟，我感觉就像在华氏 350 度的烤箱中烘烤”输出：温度：350 持续时间：5 分钟

标签： python-3.xnlpnamed-entity-recognition

到目前为止，我的研究表明您可以将数字视为单词。

这就提出了一个问题：学习 5 可以，但 19684 将很难学习。

一种建议是转换成文字。“一万九千六百八十四”并嵌入每个单词。不方便的是，您现在正在学习一个（最小）6 维向量（每个单词一维）

根据您的使用情况，您还可以嵌入具有不同 id 的 0 到 3000，例如 3001 到 10000 将在您的字典中映射 id 3001，然后在字典中为每 10x 添加一个 id。