从文本中提取日期

Question

我正在尝试使用斯坦福NLP工具从文本中提取日期( 8/11/2012 )。

这是a link！有关此工具的演示

你能帮助我如何训练分类器来识别日期( 8/11/2012 )。

我尝试使用训练数据作为

伍德豪斯PERS 2012年8月18日，哦，帅哥O

但不适用于相同的测试数据。

Answer 1

使用NLP工具从文本中提取日期似乎有点过分，如果这就是您要尝试完成的全部任务。您应该考虑其他选项，如简单的Java正则表达式(例如，here)。

如果您正在做的事情需要来自Stanford NLP工具的更多特性，请看一下SUTime注释器。他们的demo page会让你对它的行为有个了解。确保选中选项Read rules from file，您将看到您的日期已添加注释。

用法：

SUTime annotations are provided automatically with the StanfordCoreNLP pipeline by including the ner annotator.

Answer 2

您当然可以训练基于CRF的NER来识别日期和时间。通过运行提供的english.muc.7class.distsim.crf.ser.gz模型，您可以看到一个这样的示例。有关培训NER系统的信息，请参阅the FAQ。但请注意，我们用于时间/日期识别的主要工具现在是基于正则表达式的: SUTime。您还可以为其他应用程序编写SUTime规则。请参阅该页面上的SUTime page和指向TokensRegex的链接。

Answer 3

在sutime/english.sutime.txt行319中，有几种用于US标记的模式：

{ ruleType: "time", pattern: /yyyy-?MM-?dd-?'T'HH(:?mm(:?ss([.,]S{1,3})?)?)?(Z)?/ } 
{ ruleType: "time", pattern: /yyyy-MM-dd/ }  
{ ruleType: "time", pattern: /'T'HH(:?mm(:?ss(.,)?)?)?(Z)?/ } 
// Tokenizer "sometimes adds extra slash  
{ ruleType: "time", pattern: /yyyy\?/MM\?/dd/ }  
{ ruleType: "time", pattern: /MM?\?/dd?\?/(yyyy|yy)/ } 
{ ruleType: "time", pattern: /MM?-dd?-(yyyy|yy)/ } 
{ ruleType: "time", pattern: /HH?:mm(:ss)?/ }
{ ruleType: "time", pattern: /yyyy-MM/ }

只需要添加几个ruleTypes，就可以获得所需的订单