Nlp 把复合句分成简单句

我正在寻找一个分句器，可以分裂成简单的句子复合句

例如：

Input: Andrea is beautiful but she is strict.
(expected) Output: Andrea is beautiful. she is strict.

Input: i am andrea and i work for google. 
(expected) Output: i am andrea. i work for google.

Input: Italy is my favorite country; i plan to spend two weeks there next year.
(expected) Output: Italy is my favorite country. i plan to spend two weeks there next year.

---

有什么建议吗？我尝试了NLTK、spacy、segtok、nlp折衷方案，但它们无法处理这些复杂的示例（我理解这是一个难题，因此没有简单的解决方案）。

首先，你需要从语言（语法）角度更好地定义“简单句子”对你意味着什么。例如，你可以说简单的句子是：

只是中间没有标点符号的文字（句号、逗号、冒号等）
• 只有一个动词的。在这种情况下，您将处理通过重用另一个句子来“完成”句子的层次结构
• 类似于文本的短语，其中连词也可以用作分隔符

简言之，您有很多选择来定义它，根据您的需要，您的“规则”应该更严格（或更严格），因为它将影响您的算法设计和（当然）输出

我建议你两个基本的指示

按标点分开，这样你就有了“更简单的句子”（例如，你的输入3）

将它们中的每一个输入到依赖项解析器（如Spacy），并利用依赖项链接作为分隔符

使用您提供的示例演示：
Spacy输出这些树和树。 您可能会注意到，使用

conj

作为分隔符并合并其余子树，它将返回您期望的输出。 正如我前面提到的，在按标点符号分割后，您可以对输入3执行相同的操作

最后，这不是一项简单的任务，您可能对这些简单的规则没有意见，但如果您需要更好的结果，请首先改进关于“复合”或“简单”句子含义的定义，并查看使用机器学习的更复杂算法

---

虽然这是一个非常古老的问题，但如果知道这是否有帮助，那就太好了：）

我想，这不是一个简单的标记化任务，您应该尝试依赖语法解析器（如SyntaxNet）这将确定复合句中的简单句在哪里，以及哪些单词将它们连接起来。然后你可以用点替换这个单词。你能提供更多关于你已经尝试过的内容的详细信息吗？请在中搜索“解释”一词。