Извлечение noun + noun или (adj | noun) + существительное из текста

Question

Хотелось бы запросить, если можно извлечь noun + noun или (adj | noun) + noun в R package openNLP? То есть, я бы хотел использовать лингвистическую фильтрацию для извлечения кандидатских именных фраз. Можете ли вы направить меня, как это сделать? Большое спасибо.

---

Спасибо за ответы. вот код:

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 

---

читатель может обратиться индекс на acqTagSplit сделать существительное + существительное или (прил | существительное) + существительное extractation. (Код не оптимален, но работает. Если у вас есть какие-либо идеи, сообщите мне.)

Кроме того, у меня все еще есть проблема.

Justeson и Katz (1995) предложили другую языковую фильтрацию для извлечения кандидатского существительного фразы:

((Adj | Существительное) + | ((Adj | Существительное) (Существительное-Prep)) (Adj | существительного)) Существительное

Я не могу понять его смысл. Могли бы вы сделать мне одолжение, чтобы объяснить это или преобразовать такое представление в R-язык. Большое спасибо.

Answer 1

Это возможно.

EDIT:

У вас есть это. Используйте теггер POS и разделите на пробелы: ll < - strsplit (acqTag, ''). Оттуда итерация по длине входного списка (длина ll) равна: для (i в 1:37) {qq < -strsplit (ll [[1]] [i], '/')} и получить часть последовательности речи, которую вы ищете.

После расщепления на пространствах это просто обработка списка в R.

Answer 2

не имеют открытую консоль, на которой, чтобы проверить это, но ваш пытались разметить с tagPOS, а затем вычленить информацию «существительное», «существительное» или, возможно, вставить (tagPOS (acq), collapse = «.») и выполнить поиск «noun.noun». Тогда gregexpr может использоваться для извлечения позиций.

EDIT: Формат отмеченного вывода был немного иным, чем я помнил. Я думаю, что этот метод read.table() после замены «\ n» s для пространств намного эффективнее, чем то, что я вижу выше:

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