nlp提取html文件中的文字,nlp – 如何从NLTK中的文本中提取关系

嗨,我正在尝试根据第二个最后一个例子从一串文本中提取关系：

https://web.archive.org/web/20120907184244/http://nltk.googlecode.com/svn/trunk/doc/howto/relextract.html

从诸如“出版商周刊的迈克尔詹姆斯编辑”这样的字符串中,我想要的结果是输出如下：

[PER: ‘Michael James’] ‘, editor of’ [ORG: ‘Publishers Weekly’]

这样做的最佳方法是什么？ extract_rels期望什么格式以及如何格式化输入以满足该要求？

试图自己做,但它没有用.

这是我从本书改编的代码.我没有打印任何结果.我究竟做错了什么？

class doc():

pass

doc.headline = ['this is expected by nltk.sem.extract_rels but not used in this script']

def findrelations(text):

roles = """

(.*(

analyst|

editor|

librarian).*)|

researcher|

spokes(wo)?man|

writer|

,\sof\sthe?\s* # "X, of (the) Y"

"""

ROLES = re.compile(roles, re.VERBOSE)

tokenizedsentences = nltk.sent_tokenize(text)

for sentence in tokenizedsentences:

taggedwords = nltk.pos_tag(nltk.word_tokenize(sentence))

doc.text = nltk.batch_ne_chunk(taggedwords)

print doc.text

for rel in relextract.extract_rels('PER', 'ORG', doc, corpus='ieer', pattern=ROLES):

print relextract.show_raw_rtuple(rel) # doctest: +ELLIPSIS

text =”Michael James editor of Publishers Weekly”

findrelations(text)