如何在SparkNLP中使用RegexMatcher

情况就是这样。我想用Scala内核在Jupyterlab上运行SparkNLP。我想使用

RegexMatcher

注释。我将模式保存在s3 bucket上名为

patterns.txt

的文件中。我尝试了下面的实现

import com.johnsnowlabs.nlp.util.io.ExternalResource
import com.johnsnowlabs.nlp.util.io.ReadAs.LINE_BY_LINE
val document = new DocumentAssembler().setInputCol("text").setOutputCol("document")
val regexmatcher = new RegexMatcher().
  setInputCols(Array("document")).
  setOutputCol("match").
  setStrategy("MATCH_ALL").
  setRules(ExternalResource("s3://bucket_name/patterns.txt", LINE_BY_LINE, Map("format" -> "text", "delimiter" -> " ")))
val pipeline_regex = new Pipeline().setStages(Array(document, regexmatcher))
val regex_match = pipeline_regex.fit(dev_data)
regex_match.transform(dev_data).select('match).show(false)

---

然而，这似乎根本不起作用，而且没有使用

patterns.txt

。如何修复它

变量

dev_data

在哪里声明？我在你的代码中看不到它。它是什么类型？@CatalinaChircu

dev\u数据

在前面声明过。这是一个数据帧。您是否可以添加任何特定错误？您提供的详细信息越多，得到的响应就越好。根本不工作并不意味着什么。我需要看看数据框是什么样子，patterns.txt里面是什么，等等@Maziyar谢谢。没有错误，只返回空匹配项。下面是pattern.txt中我的正则表达式的一个示例：

^（？i）application\\s+for motion prefix

您是说您的正则表达式具有负前瞻性吗<代码>^（？！）应用程序\\s+用于运动前缀