如何匹配术语，除了那些后面的特定词使用spacy匹配器？

Question

我有多篇研究论文，其中包括：“社交媒体平台”和“媒体平台”。

我想匹配所有的“媒体平台”术语，而不触及“社交媒体平台”术语。

以下是我的示例文本：

“社交媒体平台很棒。它是一个伟大的媒体平台。”

我只想与“媒体平台”在第二句中略去第一句中的：

“社交媒体平台很棒。它是一个伟大的媒体平台。”

到目前为止，我使用的模式并不十分有效，因为它也与“伟大”一词相匹配。

“社交媒体平台很棒。它是一个伟大的媒体平台。”

这是我的模式：

​

pattern = [{'LOWER': 'social', 'OP': '!'},
           {'LOWER': 'media'},
           {'LOWER': 'platform'}]

​

有可能用spacy matcher来解决这个问题吗？还是有可能使用regex？

Answer 1

由于否定操作的工作方式，无法准确地从spaCy匹配器获得所需的结果。您应该使用一个函数来筛选匹配，如下所示：

matches = ... matcher output ...
final = [mm for mm in matches if mm.start == 0 or mm.doc[mm.start-1].text != "social"]

没有理由在这个问题上使用regex。