如何从词性标记句中提取具有多种模式的语块？

Question

给定一个使用nltk中的pos_标记函数进行pos标记的输入句子：

[（'Veer'，'NNP'）， （'Singh'，'NNP'）， （'Rathore'，'NNP'）， （“拍卖”、“VBD”）， （“his”、“PRP$”）， （‘巨人’、‘JJ’）， （'house'，'NN'）， （‘in’、‘in’）， （‘新’、‘NNP’）， （'York'，'NNP'）， （“，”）]

我需要提取遵循某种模式的短语。例如，“NNP NNP”或“JJ NN”。 我们可能要提取的模式可能有“n”个。例如，这里我们需要两种模式，即“NNP NNP”和“JJ NN”

我希望上面输入的句子的输出是一个短语列表，如：

输出：

['Veer Singh Rathore', 'gigantic house', 'New York']

我试过这样的方法：

> grammar = (''' Chunk:{<JJ><NN>|<NNP>+<NNP>} ''')
> 
> def pos_and_chunking(question):
>     words = word_tokenize(question)
>     pos_words = pos_tag(words)
>     chunkParser = RegexpParser(grammar)
>     chunked_phrases = chunkParser.parse(pos_words)
>     chunked_phrases.draw()
>     for subtree in chunked_phrases.subtrees():
>         print(subtree)

但是我得到的输出是一棵树的形式

输出：

(S (Chunk Veer/NNP Singh/NNP Rathore/NNP) auctioned/VBD his/PRP$ (Chunk gigantic/JJ house/NN) in/IN (Chunk New/NNP York/NNP) ./.) (Chunk Veer/NNP Singh/NNP Rathore/NNP) (Chunk gigantic/JJ house/NN) (Chunk New/NNP York/NNP)

如何解决这个问题

我将此链接用于分块： https://www.codespeedy.com/chunking-rules-in-nlp/

Answer 1

如果您希望语法中有一个简单的带标记的标记列表，那么您可以简单地展平树：忽略结构，只过滤带标记的标记，然后使用结果列表