一行中的所有匹配项：Spacy 匹配器答案

【问题标题】：All matches in a line : Spacy matcher一行中的所有匹配项：Spacy 匹配器
【发布时间】：2020-01-06 23:14:05
【问题描述】：

我正在寻找使用 Spacy 匹配器在一行中打印所有匹配项的解决方案

例子是这样的，在这里我试图提取经验。

doc = nlp("1+ years of experience in XX, 2 years of experiance in YY")
pattern = [{'POS': 'NUM'}, {'ORTH': '+', "OP": "?"}, {"LOWER": {"REGEX": "years?|months?"}}]
matcher = Matcher(nlp.vocab)
matcher.add("Skills", None, pattern)
matches = matcher(doc)
pirnt(doc[matches[0][1]:matches[0][2]]

我在这里得到输出1+ years。

但我正在寻找具有输出的解决方案 ['1+ years','2 years']

【问题讨论】：

看起来这段代码只返回2 years。

标签： python nlp spacy

【解决方案1】：

您应该将第一项指定为'LIKE_NUM': True：

pattern = [{'LIKE_NUM': True}, {'ORTH': '+', "OP": "?"}, {"LOWER": {"REGEX": "(?:year|month)s?"}}]

我还将years?|months? 与(?:year|month)s? 签约，您甚至可以考虑使用^(?:year|month)s?$ 匹配完整的令牌字符串，但此时没有必要。

代码：

import spacy
from spacy.matcher import Matcher

nlp = spacy.load("en_core_web_sm")
matcher = Matcher(nlp.vocab)
pattern = [{'LIKE_NUM': True}, {'ORTH': '+', "OP": "?"}, {"LOWER": {"REGEX": "(?:year|month)s?"}}]
matcher.add("Skills", None, pattern)

doc = nlp("1+ years of experience in XX, 2 years of experiance in YY")

matches = matcher(doc)
for _, start, end in matches:
  print(doc[start:end].text)

输出：

1+ years
2 years

【讨论】：

收缩打破了 1+（它是 matchet 两次）。保留原来的 {"LOWER": {"REGEX": "years?|months?"}} 并且它可以工作。问题似乎在于 POS Tagger 的第一个值为 Num。请记住，如果短语以其他方式开头，它可能会起作用。
@TiagoDuque 我只得到1+ years 和2 years，(?:year|month)s? 和years?|months? 是等价的。 1 是 X，而不是 num，这就是它不匹配的原因。
我猜它与“较低”有关。现在你纠正了它，它在这里工作。