python - 从给定文本中识别与域相关的重要关键字

我对 NLP/文本处理领域比较陌生。我想知道如何从给定的文本中识别与域相关的重要关键字。例如，如果我必须构建一个将在银行领域使用的问答聊天机器人，那么 Q 会是：TRADE:12345 的到期日期是什么时候？

从 Q 中，我想提取关键字：到期日期 & TRADE:12345。从提取的信息中，我将构建一个类似 SQL 的查询，搜索数据库，检索 SQL 输出并将响应提供给用户。

任何帮助，将不胜感激。

提前致谢。

标签： pythonnlpnltkchatbottext-processing

所以，这就是工作的来源。

通常人们从停用词列表开始。有好几种，慎重选择。但是您很有可能会尝试和/或使用基本列表，然后在该列表中添加更多单词。

根据清单，它将取出

“什么，是，那个，为了，？”

由于这是一个非常简单的示例，因此他们都会这样做。但是你会注意到正在做的事情与你想要的恰恰相反。您要求提供特定于域的单词，但正在发生的事情是删除所有其他垃圾（到库）。

从这里开始，这将取决于您使用什么。NLTK 或 Spacy 是常见的选择。无论你选择什么，都要真正理解概念，否则它会咬你一口（就像数据科学中的几乎所有东西一样）。

期望开始根据语言模式进行思考，因此在您的示例中：

TRADE:12345 的到期日是什么时候？

“what”是疑问句，“the”是定冠词，“for”是介词短语的开头。

可能还有其他线索，例如“：”或 TRADE 全部大写。但是，可能不是。

这应该可以帮助您入门，但您可能会查看其他一些 StackExchange 站点以获得更深入的专业知识。

最后，您希望将这样的问题分解为多个问题（假设您已完成研究并确定该问题尚未被反复提出）。因此，NLTK 和 NLP 是相当新的，但 SQL 查询通常是谷歌搜索。