Python 如何使用spacy的名称实体识别提供一个包含元组的关系提取数据集，用于随意推理？

我有大约7000个句子，我使用SpaCy对这些句子进行了精细的名称实体识别（即，针对特定实体）。现在我想做关系提取（基本上是因果推理），我不知道如何使用NER来提供训练集

据我所知，有不同的方法来执行关系提取：

• 1） 手写图案
• 2） 监督机器学习
• 3） 半监督机器学习

因为我想使用监督机器学习，所以我需要训练数据

如果有人能给我指点方向就好了，非常感谢。这是我的数据框的屏幕截图，实体由定制的spaCy模型提供。我可以访问spaCy给出的每个句子的句法依赖项和词性标记：

---

您的数据集似乎是某种技术性的写作，结构非常好，因此可能词性标记足以完成您想要的提取

我建议您阅读本文，了解所使用的基于pos标签的模式

下面的代码段用词性标记标记发送的a，然后查找与所称混响模式匹配的序列

import nltk

verb = "<ADV>*<AUX>*<VBN><IN|PART>*<ADV>*"
word = "<NOUN|ADJ|ADV|DET|ADP>"
preposition = "<ADP|ADJ>"

rel_pattern = "( %s (%s* (%s)+ )? )+ " % (verb, word, preposition)
grammar_long = '''REL_PHRASE: {%s}''' % rel_pattern
reverb_pattern = nltk.RegexpParser(grammar_long)

sent = "where the equation caused by the eccentricity is maximum."
sent_pos_tags = nltk.tag.pos_tag("where the equation caused by the eccentricity is maximum".split())

for x in reverb_pattern.parse(tags):
  if isinstance(x, nltk.Tree) and x.label() == 'REL_PHRASE':
     rel_phrase = " ".join([t[0] for t in x.leaves()])
    print(rel_phrase)

导入nltk
动词=“举一个更详细的例子。我希望能有所帮助。
我想我能理解你想做什么，你能举几个例子说明你想做什么吗？还有一件事，如果你没有训练数据，那就没有魔法，你将不得不依靠手写规则或某种半监督/自举方法。但是，请给出一些例子，说明根据该数据集上的信息，您到底想提取什么。再次感谢David的友好回答，想象一下我想提取“偶然关系”，如这句话：“偏心率引起的方程是最大值。”我需要提取（方程，由，最大值引起）或（obs1，偶然关系，obs2）请相应地更新您的问题，添加一个或多个示例，以便遇到问题的其他人也能了解您想要实现的目标。非常感谢您的回答，特别是lin的连接非常紧密。我会检查一下。我将“发送位置标记”作为“标记”，我说的对吗？但即便如此，它也只摘录了“由”关系引起的。最后一期。你认为斯帕西值得在上面写吗？@David Batista会很高兴你的宝贵评论“你认为斯帕西值得在上面写吗”我真的不明白你的意思，请阅读这篇文章，试着理解基于pos标签的关系提取是如何工作的，这会让你从很多困惑中清醒过来。再次非常感谢你，我的意思是简单地使用SpaCy而不是nltk，当然我已经读过了，我会一直读到明天，我希望可以通过spaCy在我的数据上轻松实现，对我来说，如果我能提供我已经完成的训练数据，这是非常关键的！现在我有一些动词作为关系的句子，我不知道如何继续！你能给我一些提示吗？非常感谢