使用NLP识别文本

Question

我正在尝试使用一些NLP技术在下面的文本行中查找课程。

from nltk import word_tokenize, pos_tag, ne_chunk
sentence = "SDGI is offering courses like Electronics,Mechatronics, Physics,Mechanical Engineering"    
print ne_chunk(pos_tag(word_tokenize(sentence)))

输出结果是

(S
  (ORGANIZATION SDGI/NNP)
  is/VBZ
  offering/VBG
  courses/NNS
  like/IN
  Electronics/NNS
  ,/,
  Mechatronics/NNS
  ,/,
  (PERSON Physics/NNPS)
  ,/,
  (PERSON Mechanical/NNP Engineering/NNP))

有什么方法可以从这行中提取课程吗？

在我的实际项目中，我将获得如此多的文档，我需要从这些文档中获取课程名称。

如有任何帮助，我们不胜感激！

Answer 1

1. 从给定的文本中提取所有名词。
2. 创建一组单词特征集，并使用标记数据训练课程集。
3. 似乎课程大多在逗号(，)之前或之后。二元组或三元组方法可以给出准确的结果。

Answer 2

这可能太简单了，但是，如果现有课程名称的数量有限，那么只需创建一个大的查找表，对输入进行标记并尝试查找每个单词，可能会更容易。会有一些边缘情况，但我不确定您是否需要采用ML/NLP方法来解决此问题。