29、文本分块技术：从基础到高级应用

文本分块技术：从基础到高级应用

1. 标签模式（Tag Patterns）

在文本分块语法规则中，标签模式用于描述带标签单词的序列。标签模式是由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。

以下是一些来自《华尔街日报》的名词短语示例：
- 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

我们可以使用 <DT>?<JJ.*>*<NN.*>+ 这个标签模式来匹配这些名词短语。该模式可以匹配以可选限定词开头，后跟零个或多个任意类型形容词（包括比较级形容词，如 earlier/JJR），再跟一个或多个任意类型名词的标记序列。

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
- 3/CD %/NN to/TO 4/CD %/NN
- more/JJR than/IN 10/CD %/NN
- the/DT fastest/JJS developing/VBG trends/NN