29、自然语言处理中的组块分析技术详解

自然语言处理中的组块分析技术详解

1. 标签模式（Tag Patterns）

组块语法规则使用标签模式来描述带标签单词的序列。标签模式是用尖括号分隔的词性标签序列，例如 <DT>?<JJ>*<NN> 。它与正则表达式模式类似。

以《华尔街日报》中的名词短语为例：
- another/DT sharp/JJ dive/NN
- trade/NN figures/NNS
- any/DT new/JJ policy/NN measures/NNS
- earlier/JJR stages/NNS
- Panamanian/JJ dictator/NN Manuel/NNP Noriega/NNP

可以使用 <DT>?<JJ.*>*<NN.*>+ 来匹配这些名词短语。该模式会对以可选限定词开头，后跟零个或多个任意类型形容词（包括像 earlier/JJR 这样的相对形容词），再跟一个或多个任意类型名词的标记序列进行组块。

然而，还有许多复杂的例子该规则无法覆盖，例如：
- his/PRP$ Mansion/NNP House/NNP speech/NN
- the/DT price/NN cutting/VBG
-