如何匹配spacy中的重复模式？

Question

我有一个与在这篇文章中提出的类似问题：如何在 spacy 中定义由多个标记组成的重复模式？ 我的情况与链接帖子相比的区别在于我的模式是由 POS 和依赖标记定义的。因此，我认为我无法轻松使用正则表达式来解决我的问题（正如链接帖子的接受答案中所建议的那样）。

例如，假设我们分析以下句子：

“她告诉我她的狗又大又黑又强壮。”

以下代码将允许我匹配句子末尾的形容词列表：

import spacy # I am using spacy 2
from spacy.matcher import Matcher
nlp = spacy.load('en_core_web_sm')

# Create doc object from text
doc = nlp(u"She told me that her dog was big, black and strong.")

# Set up pattern matching
matcher = Matcher(nlp.vocab)
pattern = [{"POS": "ADJ"}, {"IS_PUNCT": True}, {"POS": "ADJ"}, {"POS": "CCONJ"}, {"POS": "ADJ"}]
matcher.add("AdjList", [pattern])


matches = matcher(doc)

运行此代码将匹配“big, black and Strong”。但是，此模式不会在以下句子中找到形容词列表“她告诉我她的狗又大又黑”或“她告诉我她的狗又大又黑，强壮又顽皮”。

我必须如何为 spacy 的匹配器定义一个（单个）模式才能找到这样一个包含任意数量形容词的列表？换句话说，我正在寻找一种模式的正确语法，其中 {"POS": "ADJ"}, {"IS_PUNCT": True} 部分可以在列表结束之前任意重复模式 {"POS": "ADJ"}, {"POS": "CCONJ"}, {"POS": "ADJ"}。

感谢您的任何提示。

Answer 1

解决方案/问题与所链接的问题没有本质上的不同，没有在这样的比赛中重复多令牌模式的设施。您可以使用 for 循环构建多个模式来捕获您想要的内容。

patterns = []
for ii in range(1, 5):
    pattern = [{"POS": "ADJ"}, {"IS_PUNCT":True}] * ii
    pattern += [{"POS": "ADJ"}, {"POS": "CCONJ"}, {"POS": "ADJ"}]
    patterns.append(pattern)

或者，您可以使用依赖项匹配器执行某些操作。在您的示例句子中，它不是那么干净，但是对于像“It was a big,brown,顽皮的狗”这样的句子，形容词都有直接将它们连接到名词的依赖弧。

作为单独的说明，您没有处理带有串行逗号的句子。