如何从 post 标记的句子中提取具有多种模式的块？

Question

给定一个在 nltk 中使用 pos_tag function 进行 pos 标记的输入句子：

[('Veer', 'NNP'), ('Singh', 'NNP'), ('Rathore', 'NNP'), ('auctioned', 'VBD'), ('his', 'PRP$' ), ('gigantic', 'JJ'), ('house', 'NN'), ('in', 'IN'), ('New', 'NNP'), ('York', 'NNP' ), ('.', '.')]

我需要提取遵循某种模式的短语。 例如，“NNP NNP”或“JJ NN”。 可以有“n”不。 我们可能想要提取的模式。 例如，这里我们需要 2 个模式，即“NNP NNP”和“JJ NN”。

对于上面输入的句子，我想要的 output 是以下短语的列表：

output：

['Veer Singh Rathore'，'巨大的房子'，'纽约']

我尝试过这样的事情：

> grammar = (''' Chunk:{<JJ><NN>|<NNP>+<NNP>} ''')
> 
> def pos_and_chunking(question):
>     words = word_tokenize(question)
>     pos_words = pos_tag(words)
>     chunkParser = RegexpParser(grammar)
>     chunked_phrases = chunkParser.parse(pos_words)
>     chunked_phrases.draw()
>     for subtree in chunked_phrases.subtrees():
>         print(subtree)

但是我得到的 output 是一棵树的形式。

Output：

(S (Chunk Veer/NNP Singh/NNP Rathore/NNP) 拍卖/VBD his/PRP$ (Chunk gigantic/JJ house/NN) in/IN (Chunk New/NNP York/NNP)./.) (Chunk Veer/ NNP Singh/NNP Rathore/NNP) (Chunk gigantic/JJ house/NN) (Chunk New/NNP York/NNP)

如何解决？

我参考了这个链接进行分块： https://www.codespeedy.com/chunking-rules-in-nlp/

Answer 1

如果您期望一个带有语法标签的简单标记列表，那么您可以简单地展平树：忽略结构，只过滤掉带有标记的标记，然后使用结果列表。