Как я могу извлечь GPE(местоположение), используя NLTK ne_chunk?

Я пытаюсь реализовать код для проверки погодных условий в конкретной области, используя API OpenWeatherMap и NLTK, чтобы найти распознавание имени объекта. Но я не могу найти способ передачи сущности, присутствующей в GPE(которая дает местоположение), в данном случае, Чикаго, в мой запрос API. Пожалуйста, помогите мне с синтаксисом. Код приведен ниже.

Спасибо вам за вашу помощь

import nltk
from nltk import load_parser
import requests
import nltk
from nltk import word_tokenize
from nltk.corpus import stopwords

sentence = "What is the weather in Chicago today? "
tokens = word_tokenize(sentence)

stop_words = set(stopwords.words('english'))

clean_tokens = [w for w in tokens if not w in stop_words]

tagged = nltk.pos_tag(clean_tokens)

print(nltk.ne_chunk(tagged))
Источник

1 ответ

Решение

GPE это Tree метка объекта от предварительно обученного ne_chunk модель.

>>> from nltk import word_tokenize, pos_tag, ne_chunk
>>> sent = "What is the weather in Chicago today?"
>>> ne_chunk(pos_tag(word_tokenize(sent)))
Tree('S', [('What', 'WP'), ('is', 'VBZ'), ('the', 'DT'), ('weather', 'NN'), ('in', 'IN'), Tree('GPE', [('Chicago', 'NNP')]), ('today', 'NN'), ('?', '.')])

Чтобы пройти дерево, см. Как пройти объект дерева NLTK?

Возможно, вы ищете что-то, что является небольшой модификацией для распознавания именованных сущностей NLTK в списке Python

from nltk import word_tokenize, pos_tag, ne_chunk
from nltk import Tree

def get_continuous_chunks(text, label):
    chunked = ne_chunk(pos_tag(word_tokenize(text)))
    prev = None
    continuous_chunk = []
    current_chunk = []

    for subtree in chunked:
        if type(subtree) == Tree and subtree.label() == label:
            current_chunk.append(" ".join([token for token, pos in subtree.leaves()]))
        elif current_chunk:
            named_entity = " ".join(current_chunk)
            if named_entity not in continuous_chunk:
                continuous_chunk.append(named_entity)
                current_chunk = []
        else:
            continue

    return continuous_chunk

[из]:

>>> sent = "What is the weather in New York today?"
>>> get_continuous_chunks(sent, 'GPE')
['New York']

>>> sent = "What is the weather in New York and Chicago today?"
>>> get_continuous_chunks(sent, 'GPE')
['New York', 'Chicago']
Источник

Вот решение, которое я хотел бы предложить для вашей ситуации:

Шаг 1. Word_tokenize,POS_tagging, Имя Entity распознавания: код это:

    Xstring = "What is the weather in New York and Chicago today?"

    tokenized_doc  = word_tokenize(Xstring)
    tagged_sentences = nltk.pos_tag(tokenized_doc )
    NE= nltk.ne_chunk(tagged_sentences )
    NE.draw()

Шаг 2. Извлечение всей именованной сущности после распознавания именной сущности (сделано выше)

    named_entities = []
    for tagged_tree in NE:
       print(tagged_tree)
       if hasattr(tagged_tree, 'label'):
          entity_name = ' '.join(c[0] for c in tagged_tree.leaves()) #
          entity_type = tagged_tree.label() # get NE category
          named_entities.append((entity_name, entity_type))

     print(named_entities)  #all entities will be printed,check at your end once

Шаг 3. Теперь извлеките только теги GPE

   for tag in named_entities:
      #print(tag[1])
      if tag[1]=='GPE':   #Specify any tag which is required
        print(tag)

Вот мой вывод:

  ('New York', 'GPE')
  ('Chicago', 'GPE')
Источник
Другие вопросы по тегам