我如何使用一个数据集从一个句子中提取一个短语，该数据集有一些句子集和相应的标签，格式为
Sentence1:I want to play cricket
Label1: play cricket
Sentence2: Need to wash my clothes
Label2: wash clothes
我曾尝试使用带有 nltk 的分块，但我无法将训练数据与块一起使用。
【问题讨论】：
标签： machine-learning nlp artificial-intelligence nltk word2vec
您描述的“提醒释义”并未完全映射到具有明确软件支持的其他类型的“短语”。
例如，gensim Phrases 模块使用纯统计方法来发现非常常见的相邻单词配对，相对于每个单词的基本比率，它们可能被视为一个组合单元。它可能会将某些实体变成短语（例如：“New York” -> “New_York”）或重复的成语（例如：“slacking off” -> “slacking_off”）。但它只是相邻的单词，而不是您正在寻找的那种上下文释义。
同样，具有适当语法意识以标记逻辑词性（和相互依赖）的库也倾向于简单地对文本中的现有短语进行分组和标记——而不是像你想要的那样创建简化的命令式摘要.
不过，此类库的输出可能会帮助您制定自己的经验法则。例如，到目前为止，它出现在您的示例中，您想要的“提醒释义”始终是一个动词和一个名词（该动词的宾语）。因此，在使用词性标记（如来自 NLTK 或 SpaCy）后，选择 last 动词（也许也更喜欢现在/命令式的动词）和 following名词短语（也许去掉了其他修饰语/介词）可以满足您的大部分需求。
当然，更复杂的示例需要更好的启发式方法。如果您需要处理的所有文本范围非常广泛，那么找到一种通用方法可能需要更多（成百上千）个正向训练示例：您认为最好的释义是，给定某些文本。然后，您可以考虑一些机器学习方法，它们可能能够从较大的文本中选择正确的 ~2 个单词。
研究“释义”的已发表作品，而不仅仅是“短语提取”，也可能会引导您产生想法，但不幸的是，我不知道任何现成的释义库。
【讨论】：