Python 如何使用NLP从原始文本中提取信息并推荐医学文章

我是NLP的新手，我有一堆原始数据，在所有的医学问题上都没有标记，我需要从这些数据中提取那些文本中说明的健康问题，并推荐医学文章

我想我需要为NER创建两个自定义POS标签：
-车身上的位置
-问题本身

因此，如果有人问“我的头受伤了”，它会理解位置是头部，问题是它受伤了，但是如果有人问“我的腹部周围的皮肤是红色的”，它会理解位置是腹部，问题是皮肤是红色的

在我提取这些数据之后，我需要根据用户的要求推荐医学文章。 我有一些问题：

1.我是否需要一个位置和健康问题的定制pos标签，或者可以更容易地完成？您将如何提取这些信息？
2.您将使用什么框架

---

正如我所说，我是NLP新手，我还没有决定框架，但问题不是英语的，但是我在github上发现了我的语言的WordNet克隆和命名实体语料库，因此，在推荐框架时，请记住。

首先，您需要借助PlaintextCorpusReader方法读取原始文本，并将文件ptr作为参数传递

这将创建一个nltk语料库对象，然后您可以在该语料库对象上使用所有nltk函数

您可以在中查找示例和实现