re匹配截至到第一个中文_NLP入门系列：中文复合事件抽取（附python源码）

文/IT可达鸭

图/IT可达鸭、网络

前言

什么是复合事件？复合事件包括条件事件、因果事件、顺承事件、反转事件。

很多NLP实际项目都需要用到复合事件的抽取，例如：知识图谱中的事件抽取，形成事理图谱；智能聊天对话中的事件抽取，用于识别用户意图。复合事件的抽取作为一个NLP的基础模块，还是有很多东西可以研究的。

本文主要介绍，一种基于规则的中文事件抽取方法，源码来自网友的贡献。本文的源码在此基础上进行优化，将数据与代码分开，方便后期扩充事件抽取的规则，同时简化代码，更易于理解。

最好的学习方法就是阅读优秀的源码，最好的成果检验，就修改源码，把代码融入自己的想法。下面就跟着可达鸭一起学习如何开发这个项目吧。

技术难点

json文件的读取和存储，以及一些乱码情况的处理。

读取json文件

保存文件的时候，使用dump函数，“ensure_ascii”参数设置为False，这样保存的文件就不会出现中文乱码。

保存json文件

如何去提取复合事件呢？这里使用正则表达式，也是最常用的基于规则的方法。

由于事件的句式有上百个连接关键词词，而连接词有上千种组合。我们必须设计出能匹配所有组合的正则表达式。这里设计一个生成动态正则表达式的函数，由手工整理出固定的连接词(详细见数据文件data.json)，再有程序自动排列组合出各种形式。

将上述“不但”、“而且”设计为变量，用python中的占位符代替。从文件中读取句式连接词，迭代赋值“pre”和“pos”，就能生成所有的正则表达式。

文章代码来源于开源的源码，这边做了优化和改进。我们将数据与代码分开，并引入设计模式中的策略模式。策略模式主要解决：在有多种算法相似的情况下，使用“if...else...”所带来的难以维护的问题。避免过多使用多重条件的判断，扩展性良好。

如果大家的代码出现大量的“if....else....”， 可以考虑是否可以使用策略模式。

项目总体框架图

有了项目总体框架图，就能很好的把握整个项目的开发进度。

详细代码

导入相应的python包，其中re是一个正则表达式模块，用于模式匹配。

所有的事件连接词，都写入data.json，其中格式如下图。写入json文件的好处就是，方便后续的扩展。增加事件连接词，增加事件类型都可以很方便实现，不用去修改源码。

将复合事件抽取封装成一个类，这是类初始化函数基本写法。

数据加载模块，从data.json读取数据，并整理数据的格式。

根据数据加载模块中获取的数据，生成所有的正则表达式。

基于正则表达式，对每个输入的句子，进行匹配与事件抽取。

这里是对输入的文本进行切分，然后对每个句子进行事件抽取。

建立main函数，对写好的类进行测试。

最终输出结果，大家可以根据自己想要的输出格式进行修改。

结语

本项目中用到了正则表达式、文件读取、设计模式--策略模式，这些都是一些基本的编程知识。需要在日常编程中不断积累，不能一蹴而就。

学习python，不需要一杯奶茶钱，只需要你点个关注。如果觉得小编的文章对你有帮助，记得点个赞，顺便帮我分享出去。如果想获取源码，可以关注后，私信：python事件抽取，我把源码发给你。最后，感谢大家的阅读，祝大家生活愉快。

本文由 IT可达鸭 原创，欢迎关注，带你一起长知识！