Python Matcher正在返回一些重复项

我希望输出为

[“良好的客户服务”，“良好的氛围”]

，但我得到的是

[“良好的客户”，“良好的客户服务”，“良好的氛围”]

，因为模式也与良好的客户相匹配，但这个短语没有任何意义。我怎样才能删除这些重复项

import spacy
from spacy.matcher import Matcher
nlp = spacy.load("en_core_web_sm")
doc = nlp("good customer service and great ambience")
matcher = Matcher(nlp.vocab)

# Create a pattern matching two tokens: adjective followed by one or more noun
 pattern = [{"POS": 'ADJ'},{"POS": 'NOUN', "OP": '+'}]

matcher.add("ADJ_NOUN_PATTERN", None,pattern)

matches = matcher(doc)
print("Matches:", [doc[start:end].text for match_id, start, end in matches])

---

您可以根据起始索引对元组进行分组，并仅保留具有最大结束索引的元组，从而对匹配进行后期处理：

from itertools import *

#...

matches = matcher(doc)
results = [max(list(group),key=lambda x: x[2]) for key, group in groupby(matches, lambda prop: prop[1])]    
print("Matches:", [doc[start:end].text for match_id, start, end in results])
# => Matches: ['good customer service', 'great ambience']

---

groupby（matches，lambda prop:prop[1]）

将根据开始索引对匹配项进行分组，结果是

[（5488211386492616699,0,2）、（5488211386492616699,0,3）]

和

（5488211386492616699,4,6）

max（list（group），key=lambda x:x[2]）

将获取末端索引（值#3）最大的项。

Spacy有一个内置函数来实现这一点。检查：

文件说：

当跨距重叠时，首选（第一个）最长跨距而不是较短跨距

例如：

doc = nlp("This is a sentence.")
spans = [doc[0:2], doc[0:2], doc[0:4]]
filtered = filter_spans(spans)

---

你的意思是说你希望

+

表现得“贪婪”，只返回最左边索引中最长的匹配？correct@WiktorStribiżew，我想要最长的匹配。你能帮我怎么做吗？能有人帮我吗？真的很紧急。看看我下面的答案，它对你有用吗？@WiktorStribiżew，是的，它对我有用。非常感谢你的解决方案。