如何使用 Python NLP 從句子列表中提取特定單詞。 這些詞是醫療設備的零件

Question

我想從句子列表中提取醫療設備零件名稱。 這些句子是對支持請求采取的記錄操作，其中可能包括更換零件或確認零件在錯誤的 state 中。

以下是例句——

1. 發現兩邊的【某些設備部分】不工作。
2. 將問題縮小到[某些設備部分]。
3. 需要更換[某些設備部件]。
4. 協助故障排除，發現[某些設備部件]很可能是壞的。
5. [某些設備部分] 不會 go 下來，將訂購部分。

我想從上面的句子中提取“[Some device part]”。

我已經嘗試過的事情 - 首先，我使用情緒分析過濾了句子。 只考慮那些有負面情緒或其中有“替換”文本的人。

1. 使用 NLTK，在定義的語法上使用 RegexpParser 進行 POS 標記 = "NP: {<VB. ><NN. >+<NN. >+|<VB. > <NN. >+}"
2. 使用 Spacy，經過 POS 標記和依賴，基於動詞、名詞關系過濾 - ['dobj'] 中的 token.dep_ 和 token.pos_ == 'NOUN'

上面的方法給了我很多無意義的output。 請讓我知道是否有任何幫助。

Answer 1

聽起來您將從查看命名實體識別 (NER) 中受益。 我很好奇 SpaCy 是否能夠將這些作為 PRODUCT 實體挑選出來。

Answer 2

您可能需要將 Spacy命名實體識別訓練為 label 令牌作為“醫療設備”。 這樣，您可以根據 NER label 解析文本並定位設備。

這將要求您使用指定的醫療設備實體生成一些訓練數據。 通過查找 PRODUCT 實體可以跳過此步驟，但您可能會錯過實體，因為您的用例比通用產品的 spacy 被訓練檢測的更具體。

訓練 model 識別新的醫療設備實體后，您可以通過以下方式定位它們

import spacy
nlp = spacy.load('en_core_medicalner')
doc = nlp('some text')

for token in doc:
  if token.label_ == 'Medical Equipment':
    print('token {} is Medical Equipment'.format(token.text))