Nlp Spacy：自动查找文本中的引理模式

我正在学习如何使用Spacy。 基于下面的示例，我的目标是获得更多经常与iPhone一词相关的引理模式（我有一个文本数据库，可以在其中找到这些模式）。 例如“iPhone是最好的智能手机”、“iPhone太贵”等等。 我需要手工找到那些图案吗。或者有没有可能让这一切自动化（至少是为了得到建议或类似的东西）

我的最终目标是构建一个工具，它将接收一些文本作为输入，并基于这些模式识别iPhone、三星abc等

导入空间
从spacy.matcher导入matcher
nlp=spacy.load（“en_core\u web\u sm”）
matcher=matcher（nlp.vocab）
模式1=[{“引理”：“购买”}，{“名词”：“iPhone”}]
添加（“购买iphone”，无，模式1）
doc=nlp（“我要买一部iPhone”）
打印（文档）

我不确定Matcher是否是这里的正确选择，因为它匹配的是精确的短语。但在您的示例中，还有一篇附加文章。相反，您可以这样做来获得动词电话对：

导入空间
nlp=spacy.load（“en_core\u web\u sm”）
#提取动词电话对，给定动词和电话
def提取动词（文档、动词引理、电话）：
结果=[]
动词=[如果动词引理中的verb.lemma uu，则表示文档中动词的动词]
对于动词中的动词：
对于动词.children中的child：
如果手机中有child.lower uu：
results.append（（动词.引理，child.文本））
返回结果
#提取给定电话的动词电话对
def extract_电话（文档，电话）：
结果=[]
phones=[如果phone.lower uu在phones中，则文件中的phone对应phone]
对于电话接入电话：
results.append（（phone.head.lemma，phone.text））
返回结果
doc=nlp（“我要买一部iPhone。三星真糟糕。我一直想要一部iPhone，但我刚买了一部三星。”）
动词引理=[“买”]
手机=[“三星”、“iphone”]
打印（提取动词（文档、动词引理、电话））#返回[（'buy'，'iPhone'）]
打印（提取手机（doc，phones））#返回[（'buy'，'iPhone'），（'suck'，'Samsung'），（'want'，'iPhone'），（'get'，'Samsung'）]