Parsing 如何使用PHP或JavaScript从字符串中提取专有名词？

如何使用PHP或JavaScript从字符串中提取专有名词/数值？ 例如，有一个字符串

Xyz在本页53分钟前访问了本页

---

我希望能够将“Xyz”和“53”分别识别为专有名词和数字

一个明显的方法是拥有专有知识词典和一些好的索引，以便在存在此类知识的情况下快速搜索

但我感觉你在寻找一种从语法上推断一个词是专有名词的方法

我想不出任何完美的方法来做到这一点，但如果你创建了一系列规则，你可以使用这些规则来解析一篇文章

规则可能包括。 *以ly结尾的词不是专有名词 *和、to、but等噪音词不是专有名词 *有大写字母但不开句的单词是专有名词

为了改进它，您可以使用这些规则创建专有名词词典。每当一个单词遵循这些规则中的一条时，它要么被添加到专有名词词典中，要么被从专有名词词典中删除

---

这是非常粗糙的-如果这是在正确的轨道上，那么perhas I可以更具体。

一个明显的方法是有一个适当的知识字典和一些好的索引，以便快速搜索，如果存在这样的东西

但我感觉你在寻找一种从语法上推断一个词是专有名词的方法

我想不出任何完美的方法来做到这一点，但如果你创建了一系列规则，你可以使用这些规则来解析一篇文章

规则可能包括。 *以ly结尾的词不是专有名词 *和、to、but等噪音词不是专有名词 *有大写字母但不开句的单词是专有名词

为了改进它，您可以使用这些规则创建专有名词词典。每当一个单词遵循这些规则中的一条时，它要么被添加到专有名词词典中，要么被从专有名词词典中删除

---

这很粗糙-如果这是在正确的轨道上，那么perhas I可以更具体。

如果它在句子中总是一个专有名词，那么你可以通过查找以大写字母开头的单词来找到它。如果除了第一个词没有其他词，那么它就是。若Xyz被命名为Bim de Verdier，或者并没有实际大写，那个么问题就会出现

// Get the number with JavaScript and RegExp
var regex = new RegExp("\d+");
var match = regex.exec("Xyz visisted this page this page 53 mins ago.");
if (match == null) {
  alert("No match");
} else {
  var s = "";
  for (i = 0; i < match.length; i++) {
    s = s + match[i] + "\n";
  }
  alert(s);
}

//使用JavaScript和RegExp获取数字
var regex=new RegExp（“\d+”）；
var match=regex.exec（“Xyz在53分钟前访问了此页面。”）；
if（match==null）{
警惕（“不匹配”）；
}否则{
var s=“”；
对于（i=0；i

---

大写的单词可以与“[A-Z][A-Z]+[]”匹配

如果它在句子中总是一个专有名词，那么你可以通过查找以大写字母开头的单词来找到它。如果除了第一个词没有其他词，那么它就是。若Xyz被命名为Bim de Verdier，或者并没有实际大写，那个么问题就会出现

// Get the number with JavaScript and RegExp
var regex = new RegExp("\d+");
var match = regex.exec("Xyz visisted this page this page 53 mins ago.");
if (match == null) {
  alert("No match");
} else {
  var s = "";
  for (i = 0; i < match.length; i++) {
    s = s + match[i] + "\n";
  }
  alert(s);
}

//使用JavaScript和RegExp获取数字
var regex=new RegExp（“\d+”）；
var match=regex.exec（“Xyz在53分钟前访问了此页面。”）；
if（match==null）{
警惕（“不匹配”）；
}否则{
var s=“”；
对于（i=0；i

---

大写单词可以与“[A-Z][A-Z]+[]”匹配

PHP函数

是数字的

，

ucfirst

可以帮助识别单词：

function parse_name_and_number($sentence) {
    $words = explode(' ', $sentence);
    $name = array();
    foreach ($words as $word) {
        if (is_numeric($word))
            $number = $word;
        elseif ($word == ucfirst($word))
            $name[] = $word;
    }
    $name = implode(' ', $name);
    return array('name' => $name, 'number' => $number);
}

print_r(parse_name_and_number('Xyz visited this page 53 minutes ago'));
// output:  Array ( [name] => Xyz [number] => 53 )

print_r(parse_name_and_number('we thought Bim de Verdier visited the page 5 seconds ago'));
// output:  Array ( [name] => Bim Verdier [number] => 5 )

print_r(parse_name_and_number('Weirder input messes up the results'));
// output:  Array ( [name] => Weirder [number] => )

---

PHP函数

是数字的

，

ucfirst

可以帮助识别单词：

function parse_name_and_number($sentence) {
    $words = explode(' ', $sentence);
    $name = array();
    foreach ($words as $word) {
        if (is_numeric($word))
            $number = $word;
        elseif ($word == ucfirst($word))
            $name[] = $word;
    }
    $name = implode(' ', $name);
    return array('name' => $name, 'number' => $number);
}

print_r(parse_name_and_number('Xyz visited this page 53 minutes ago'));
// output:  Array ( [name] => Xyz [number] => 53 )

print_r(parse_name_and_number('we thought Bim de Verdier visited the page 5 seconds ago'));
// output:  Array ( [name] => Bim Verdier [number] => 5 )

print_r(parse_name_and_number('Weirder input messes up the results'));
// output:  Array ( [name] => Weirder [number] => )

---

最好的选择是使用链接语法。分析句子并提取专有名词

---

www.link.cs.cmu.edu/link

最好的选择是使用链接语法。分析句子并提取专有名词

Xyz visisted this page this page 53 mins ago.

www.link.cs.cmu.edu/link

Xyz visisted this page this page 53 mins ago.

现在，只要得到“Visited this page”或其他什么的位置，这就是你从句子开始的长度。例如，如果“Person”总是在开头，那么只需将起点设置为7，并从第一个数字中减去7即可。下面是一个简单的JS示例：

alert(str.substr(7, str.IndexOf("visited") - 7));

它应该返回“Xyz”。希望有帮助。当然，这只有在你知道你的句子结构的情况下才能起作用，这就是例子中的情况

另外，我知道我晚了两年，但这可能对将来的人有所帮助

现在，只要得到“Visited this page”或其他什么的位置，这就是你从句子开始的长度。例如，如果“Person”总是在开头，那么只需将起点设置为7，并从第一个数字中减去7即可。下面是一个简单的JS示例：

alert(str.substr(7, str.IndexOf("visited") - 7));

它应该返回“Xyz”。希望有帮助。当然，这只有在你知道你的句子结构的情况下才能起作用，这就是例子中的情况

---

另外，我知道我迟到了两年，但这可能会对将来的人有所帮助。

要做到这一点并不容易。你必须研究“自然语言处理/识别”的广泛领域，没有简单的方法可以做到这一点。您必须研究“自然语言处理/识别”的广泛领域，我希望通过正则表达式或soemthing实现这一点，例如/（[^.]）（\s）+（[A-Z]{1}[A-Z]+）/但是这个正则表达式与两个相同的专有名词不匹配……例如“name is Abb Bayer”…没有简单的方法来实现这一点…我没有解决这个问题…但仍在思考。我承认要做到这一点需要做很多工作。我希望通过正则表达式或soemthing来实现这一点，例如/（[^.]）（\s）+（[a-Z]{1}[a-Z]+）/但是这个正则表达式与两个相同的专有名词不匹配…例如“name is Abb Bayer”…实现这一点没有简单的方法..我没有解决这个问题..但仍在思考.我承认要做到这一点需要付出很多努力