从非结构化文本中提取键值的方法有哪些？

Question

我正在尝试找出提取非结构化文本中预定义键的值的方法（以及哪种方法最好）？

输入：

1. 医生给我开了一种叫法维吡韦的药物。
2. 他叫尤里。
3. Ilya已经告诉过我。
4. 今天天气很冷。
5. 我正在吃一种叫做纳粹的药物。

密钥列表：['药物'，'名称'，'天气']

输出：

['drug = favipiravir'，'drug = nazivin'，'name = Yury'，'weather = Cold']

因此，如您所见，在3d句子中没有显式键“名称”，因此也没有提取任何值（我认为与NER有所不同）。 同时，“ drug”和“ medicine”是同义词，我们应该将“ medicine”作为“ drug”键，并提取其值。

接下来的问题是，如果密钥集是可变的，该怎么办？ 是否应该由于预定义的键而将其用作基础正则表达式方法，还是可以通过监督学习/ NN来实现它？ （但是在这种情况下，如何处理可变键？）

Answer 1

您可以使用解析器标记病房。 您的问题类似于命名实体识别。 许多库都提供POS标记器。 您可以尝试那些。 通常对它们进行培训以识别名称，位置等。根据您需要的单词类型，您可能需要训练解析器。 因此，您还需要一些标记数据。
查看此链接： https : //nlp.stanford.edu/software/CRF-NER.html