Python Spacy NLP-正则表达式分块

Spacy包括检索一组名词短语的

noun_chunks

功能。 函数

english\u noun\u chunks

（见下文）使用

word.pos==noun

def english_noun_chunks(doc):
    labels = ['nsubj', 'dobj', 'nsubjpass', 'pcomp', 'pobj',
              'attr', 'root']
    np_deps = [doc.vocab.strings[label] for label in labels]
    conj = doc.vocab.strings['conj']
    np_label = doc.vocab.strings['NP']
    for i in range(len(doc)):
        word = doc[i]
        if word.pos == NOUN and word.dep in np_deps:
            yield word.left_edge.i, word.i+1, np_label
        elif word.pos == NOUN and word.dep == conj:
            head = word.head
            while head.dep == conj and head.head.i < head.i:
                head = head.head
            # If the head is an NP, and we're coordinated to it, we're an NP
            if head.dep in np_deps:
                yield word.left_edge.i, word.i+1, np_label

def英语名词块（doc）：
标签=['nsubj'、'dobj'、'nsubjpass'、'pcomp'、'pobj'，
'attr'，'root']
np_deps=[doc.vocab.strings[label]表示标签中的标签]
conj=doc.vocab.strings['conj']
np_label=doc.vocab.strings['np']
对于范围内的i（len（doc））：
word=doc[i]
如果np_deps中的word.pos==名词和word.dep：
屈服字。左_边。i，字。i+1，np_标签
elif word.pos==名词和word.dep==连词：
头
而head.dep==conj和head.head.i

我想从一个保持正则表达式的句子中获取块。例如，我用零个或多个形容词和一个或多个名词组成的短语

{(<JJ>)*(<NN | NNS | NNP>)+}

{（）*（）+}

---

是否可以不重写

英语\u名词\u块

函数

您可以在不损失任何性能的情况下重写此函数，因为它是用纯python实现的，但为什么不在获得这些块之后过滤它们呢

import re
import spacy

def filtered_chunks(doc, pattern):
  for chunk in doc.noun_chunks:
    signature = ''.join(['<%s>' % w.tag_ for w in chunk])
    if pattern.match(signature) is not None:
      yield chunk

nlp = spacy.load('en')
doc = nlp(u'Great work!')
pattern = re.compile(r'(<JJ>)*(<NN>|<NNS>|<NNP>)+')

print(list(filtered_chunks(doc, pattern)))

重新导入
进口空间
def过滤块（文档、模式）：
对于doc.noun_块中的块：
签名=''.join（[''%w.tag_u'表示块中的w]）
如果pattern.match（签名）不是None：
屈服块
nlp=spacy.load（'en'）
doc=nlp（你干得好！）
pattern=re.compile（r'（）*（| |）+'））
打印（列表（已过滤的_块（文档、模式）））

您可以在不损失任何性能的情况下重写此函数，因为它是在纯python中实现的，但为什么不在获得这些块之后过滤它们呢

import re
import spacy

def filtered_chunks(doc, pattern):
  for chunk in doc.noun_chunks:
    signature = ''.join(['<%s>' % w.tag_ for w in chunk])
    if pattern.match(signature) is not None:
      yield chunk

nlp = spacy.load('en')
doc = nlp(u'Great work!')
pattern = re.compile(r'(<JJ>)*(<NN>|<NNS>|<NNP>)+')

print(list(filtered_chunks(doc, pattern)))

重新导入
进口空间
def过滤块（文档、模式）：
对于doc.noun_块中的块：
签名=''.join（[''%w.tag_u'表示块中的w]）
如果pattern.match（签名）不是None：
屈服块
nlp=spacy.load（'en'）
doc=nlp（你干得好！）
pattern=re.compile（r'（）*（| |）+'））
打印（列表（已过滤的_块（文档、模式）））

Cython将此函数转换为C这一事实如何？你是对的，该文件具有

.pyx

扩展名，如果重写它，将失去一些性能。但是你需要重写它吗？或者你可以简单地过滤最终结果？那么这个函数被Cython翻译成C这个事实呢？你是对的，这个文件有

.pyx

扩展名，如果你重写它，你会失去一些性能。但是你需要重写它吗，或者你可以简单地过滤最终结果？