从文本中提取名词+名词或(adj|noun)+名词

Question

我想查询R包openNLP中是否可以提取名词+名词或(adj|noun)+名词？也就是说，我想使用语言过滤来提取候选名词短语。你能指导我怎么做吗？ 非常感谢。

---

感谢您的回复。 这是代码：

library("openNLP")

acq <- "Gulf Applied Technologies Inc said it sold its subsidiaries engaged in
        pipeline and terminal operations for 12.2 mln dlrs. The company said 
        the sale is subject to certain post closing adjustments, 
        which it did not explain. Reuter." 

acqTag <- tagPOS(acq)    
acqTagSplit = strsplit(acqTag," ")
acqTagSplit

qq = 0
tag = 0

for (i in 1:length(acqTagSplit[[1]])){
    qq[i] <-strsplit(acqTagSplit[[1]][i],'/')
    tag[i] = qq[i][[1]][2]
}

index = 0

k = 0

for (i in 1:(length(acqTagSplit[[1]])-1)) {

    if ((tag[i] == "NN" && tag[i+1] == "NN") | 
        (tag[i] == "NNS" && tag[i+1] == "NNS") | 
        (tag[i] == "NNS" && tag[i+1] == "NN") | 
        (tag[i] == "NN" && tag[i+1] == "NNS") | 
        (tag[i] == "JJ" && tag[i+1] == "NN") | 
        (tag[i] == "JJ" && tag[i+1] == "NNS"))
    {      
            k = k +1
            index[k] = i
    }

}

index

---

读者可以参考acqTagSplit上的index进行名词+名词或(adj|noun)+名词的提取。 （代码不是最佳的，但可以工作。如果您有任何想法，请告诉我。）

此外，我还有一个问题。

Justeson 和 Katz (1995) 提出了另一种语言过滤来提取候选名词短语：

((Adj|Noun)+|((Adj|Noun)(Noun-Prep)?)(Adj|Noun))名词

我不能很好地理解它的含义。您能否帮我解释一下或将这种表示形式转换为 R 语言。 非常感谢。

Answer 1

我没有一个开放的控制台来测试这个，但是你试过用 tagPOS 标记化，然后用 grep 搜索“名词”、“名词”或者 paste(tagPOS(acq), collapse="。" ) 并搜索“noun.noun”。然后可以使用 gregexpr 来提取位置。

编辑：标记输出的格式与我记忆中的有点不同。我认为这种用 "\n"s 代替空格后的 read.table()-ing 方法比我在上面看到的要有效得多：

 acqdf <- read.table(textConnection(gsub(" ", "\n", acqTag)), sep="/", stringsAsFactors=FALSE)
 acqdf$nnadj <- grepl("NN|JJ", acqdf$V2)
 acqdf$nnadj 
# [1]  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE  TRUE  TRUE
#[16] FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE  TRUE FALSE  TRUE  TRUE  TRUE
#[31]  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE
 acqdf$nnadj[1:(nrow(acqdf)-1)] & acqdf$nnadj[2:nrow(acqdf)]
# [1]  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
#[16] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE
#[31] FALSE FALSE FALSE FALSE FALSE FALSE
 acqdf$pair <- c(NA, acqdf$nnadj[1:(nrow(acqdf)-1)] & acqdf$nnadj[2:nrow(acqdf)])
 acqdf[1:7, ]

            V1  V2 nnadj  pair
1         Gulf NNP  TRUE    NA
2      Applied NNP  TRUE  TRUE
3 Technologies NNP  TRUE  TRUE
4          Inc NNP  TRUE  TRUE
5         said VBD FALSE FALSE
6           it PRP FALSE FALSE
7         sold VBD FALSE FALSE

Answer 2

这是可能的。

编辑：

你明白了。使用 POS 标记器并在空格上拆分：ll

在空格上拆分后，它只是 R 中的列表处理。