使用NLP识别文本

Question

我正在尝试使用一些NLP技术在下面的文本行中找到课程。

from nltk import word_tokenize, pos_tag, ne_chunk
sentence = "SDGI is offering courses like Electronics,Mechatronics, Physics,Mechanical Engineering"    
print ne_chunk(pos_tag(word_tokenize(sentence)))

出来这是

(S
  (ORGANIZATION SDGI/NNP)
  is/VBZ
  offering/VBG
  courses/NNS
  like/IN
  Electronics/NNS
  ,/,
  Mechatronics/NNS
  ,/,
  (PERSON Physics/NNPS)
  ,/,
  (PERSON Mechanical/NNP Engineering/NNP))

有什么方法可以从这一行中提取课程吗？

在我的真实项目中，我将获得如此多的文档，我需要从中获取课程名称。

任何帮助表示赞赏！

Answer 1

1. 从给定文本中提取所有名词。
2. 创建一个单词袋功能集并训练具有标记数据的课程集。
3. 似乎课程大多在逗号（，）之前或之后。 二元组或三元组方法可以给出准确的结果。

Answer 2

这可能过于简单了，但是，如果存在有限数量的现有课程名称，则创建大型查找表可能更容易，将输入标记化并尝试查找每个单词。 会有一些边缘情况，但我不确定你需要采用ML / NLP方法解决这个问题。