python实体关系抽取_【语言处理与Python】7.5命名实体识别/7.6关系抽取

7.5命名实体识别(NER)

目标是识别所有文字提及的命名实体。

可以分成两个子任务：确定NE的边界和确定其类型。

NLTK提供了一个已经训练好的可以识别命名实体的分类器，如果我们设置参数binary=True，那么命名实体只被标注为NE，没有类型标签。可以通过代码来看：

>>>sent = nltk.corpus.treebank.tagged_sents()[22]>>>print nltk.ne_chunk(sent, binary=True)

(S

The/DT

(NE U.S./NNP)is/VBZ

one/CD

...

according/VBG

to/TO

(NE Brooke/NNPT./NNPMossman/NNP)

...)>>>printnltk.ne_chunk(sent)

(S

The/DT

(GPE U.S./NNP)is/VBZ

one/CD

...

according/VBG

to/TO

(PERSON Brooke/NNPT./NNPMossman/NNP)

...)

7.6关系抽取

一旦文本中的命名实体已被识别，我们就可以提取它们之间存在的关系。

进行这一任务的方法之一，就是寻找所有的(X,α, Y)形式的三元组，我们可以使用正则表达式从α的实体中抽出我们正在查找的关系。下面的例子搜索包含词in的字符串。

特殊的正则表达式(?!\b.+ing\b)是一个否定预测先行断言，允许我们忽略如succe