有没有办法在文本语料库中找到特定的单词序列？

Question

使用 Python，我正在尝试查找被诊断患有哮喘（关键字 2）的患者的年龄（关键字 4）。

文本句子可能在这些关键字的所需顺序之间包含其他单词。

例如。文字句子：“嗨，斯蒂芬，很高兴听到你现在做得不太好！ 你不是一个人！ 我 13 岁时患有轻度受控运动诱发性哮喘，然后在 19 岁时经历了与您类似的情况。随机开始出现问题，像没有明天一样经历了 Ventolin"

预期输出：13

Answer 1

如果没有更多例句，很难给出示例代码，但在这种情况下，我要做的是首先过滤您的输入以获取包含您的触发术语的示例（例如“轻度受控运动诱发的哮喘”）。这可以使用 spaCy 的 EntityRuler 来完成。

有了候选句子，您就可以查找数字。您可以使用依赖解析器来查找诸如“19 岁”之类的短语，或者您可以查找特定短语中的数字（例如“我 12 岁时”）。依赖解析使用句子的整体结构，因此事物之间的单词数量并不重要。

您可以看到示例依赖项解析 here，但请注意在后端使用 spaCy 2。

您可能还想阅读最近添加的Dependency Matcher 的文档，这将帮助您找到特定的依赖结构。