时间戳

首页 > 解决方案 > 如何在每个指定的字符/字符串处拆分句子？

python - 如何在每个指定的字符/字符串处拆分句子？

问题描述

我已经分块了一些基本的名词短语，但是，只有基本的名词短语对我来说是不够的。我想做更多的事情，即在每个分块名词短语的末尾拆分句子。

例如：

sentence = 'protection of system resources against bad behavior'

分块名词短语是（通过在 spaCy 中使用 doc.noun_chunks）：

protection, system resources, bad behavior

我想要的结果：

protection, of system resources, against bad behavior

这意味着，我需要在每个分块短语的末尾拆分句子，例如，在“保护”的末尾，在“系统资源”的末尾。

--split() 可以这样工作吗？

--或者也许我可以继续在 spaCy 中使用基于规则的匹配来查找 .head 或直接左/右单词并匹配它们？

有没有人有这种经验？

谢谢！

标签： pythonsplitnltktokenspacy

解决方案

--split() 可以这样工作吗？

不。

--或者也许我可以继续在 spaCy 中使用基于规则的匹配来查找 .head 或直接左/右单词并匹配它们？

根据其文档，noun_chunks返回Span. 跨度具有开始/结束索引，因此您可以使用该信息来拆分源字符串，例如

output = []
prev_end = 0
for span in doc.noun_chunks:
    output.append(sentence[prev_end:span.end_char + 1])
    prev_end = span.end_char + 1

或类似的东西（您可能需要调整代码，因为我从未真正使用过 spaCy，我只是从我对文档的理解出发）

推荐阅读