Это продолжение моего вопроса. Я использую nltk для разбора лиц, организаций и их отношений. Используя этот пример, я смог создать куски лиц и организаций; однако, я получаю ошибку в команде nltk.sem.extract_rel:
AttributeError: 'Tree' object has no attribute 'text'
Вот полный код:
import nltk
import re
#billgatesbio from http://www.reuters.com/finance/stocks/officerProfile?symbol=MSFT.O&officerId=28066
with open('billgatesbio.txt', 'r') as f:
sample = f.read()
sentences = nltk.sent_tokenize(sample)
tokenized_sentences = [nltk.word_tokenize(sentence) for sentence in sentences]
tagged_sentences = [nltk.pos_tag(sentence) for sentence in tokenized_sentences]
chunked_sentences = nltk.batch_ne_chunk(tagged_sentences)
# tried plain ne_chunk instead of batch_ne_chunk as given in the book
#chunked_sentences = [nltk.ne_chunk(sentence) for sentence in tagged_sentences]
# pattern to find served as in
IN = re.compile(r'.+\s+as\s+')
for doc in chunked_sentences:
for rel in nltk.sem.extract_rels('ORG', 'PERSON', doc,corpus='ieer', pattern=IN):
print nltk.sem.show_raw_rtuple(rel)
Этот пример очень похож на пример приведенный в книге, но в примере используется подготовленный 'parsed docs', который появляется из ниоткуда, и я не знаю, где найти его тип объекта. Я также просмотрел библиотеки git. Любая помощь будет принята с благодарностью.
Моя конечная цель - извлечь персоны, организации, названия (даты) для некоторых компаний; затем создать сетевые карты персон и организаций.