Python-regex关系抽取

作为学校作业的一部分，我们收到了以下代码：

>>> IN = re.compile(r'.*\bin\b(?!\b.+ing)')
>>> for doc in nltk.corpus.ieer.parsed_docs('NYT_19980315'):
...     for rel in nltk.sem.extract_rels('ORG', 'LOC', doc,
...                corpus='ieer', pattern = IN):
...         print(nltk.sem.rtuple(rel))

>>> from extract import extract
>>> extract("The Whitehouse in Washington")

我们被要求用我们自己的一些句子来试一下，以查看输出，因此为此，我决定定义一个函数：

def extract(sentence):
    import re
    import nltk

    IN = re.compile(r'.*\bin\b(?!\b.+ing)')
    for rel in nltk.sem.extract_rels('ORG', 'LOC', sentence, corpus='ieer', pattern = IN):
        print(nltk.sem.rtuple(rel))

当我尝试运行此代码时：

>>> IN = re.compile(r'.*\bin\b(?!\b.+ing)')
>>> for doc in nltk.corpus.ieer.parsed_docs('NYT_19980315'):
...     for rel in nltk.sem.extract_rels('ORG', 'LOC', doc,
...                corpus='ieer', pattern = IN):
...         print(nltk.sem.rtuple(rel))

>>> from extract import extract
>>> extract("The Whitehouse in Washington")

我得到gollowing错误：

Traceback (most recent call last):
  File "<pyshell#1>", line 1, in <module>
    extract("The Whitehouse in Washington")
  File "C:/Python34/My Scripts\extract.py", line 6, in extract
    for rel in nltk.sem.extract_rels('ORG', 'LOC', sentence, corpus='ieer', pattern = IN):
  File "C:\Python34\lib\site-packages\nltk\sem\relextract.py", line 216, in extract_rels
    pairs = tree2semi_rel(doc.text) + tree2semi_rel(doc.headline)
AttributeError: 'str' object has no attribute 'text'

---

如果您看到的是的方法定义，它希望解析后的文档作为第三个参数。
这是你的判决。要克服此错误，可以执行以下操作：

tagged_sentences = [ nltk.pos_tag(token) for token in tokens]
class doc():
    pass
IN = re.compile(r'.*\bin\b(?!\b.+ing)')
doc.headline=["test headline for sentence"]
for i,sent in enumerate(tagged_sentences):
    doc.text = nltk.ne_chunk(sent)
    for rel in nltk.sem.relextract.extract_rels('ORG', 'LOC', doc, corpus='ieer', pattern=IN):
        print(nltk.sem.rtuple(rel) )// you can change it according

---

试试看

nltk.corpus.ieer.parsed_docs（'NYT_19980315;'）

返回什么？应该是吗？它看起来（基于您的代码）像是返回一个带有

text

属性的对象列表，而您只是在使用字符串。你能创建那些对象吗（不管它们是什么）？@KSFT>>c=nltk.corpus.ieer.parsed_docs（'NYT_19980315;'）>>c[1]returns=除此之外，我和你一样清楚，这就是我们得到的所有信息。对于nltk.corpus.ieer.parsed_docs（'NYT_19980315;'）：行中的文档，我们的

提取
函数遗漏了
。这可能是问题吗？@Stribizev我相信line是从语料库中提取大量文档（字符串），然后检查这些字符串以找到关系。但是，我希望使用自己的自定义字符串，而不是使用语料库中的字符串。