用NLTK python提取因果句

Question

我正在从水上事故报告中提取因果语句。我在这里使用NLTK作为工具。我以20个因果句式为例，手动创建了我的regExp语法。构造的语法是一种类型。

grammar = r'''Cause: {<DT|IN|JJ>?<NN.*|PRP|EX><VBD><NN.*|PRP|VBD>?<.*>+<VBD|VBN>?<.*>+}'''

现在，语法在测试集上有100%的回忆(我用50个因果句和50个非因果句构建了自己的玩具数据集)，但精确度很低。我想问一下：

1. 如何训练NLTK自动生成正则表达式语法，以提取特定类型的句子。
2. 有没有人试图提取因果句。例如，因果句如下：

- There was poor sanitation in the village, as a consequence, she had health problems.
- The water was impure in her village, For this reason, she suffered from parasites.
- She had health problems because of poor sanitation in the village. I would want to extract only the above  type of sentences from a large text.

​

Answer 1

与这本书的作者进行了简短的讨论：“PythonTextProcesswithNLTK2.0Cookbook”，Mr.Jacob Perkins。他说：“句子的广义语法是很难的。相反，我想看看你是否能找到常见的标记模式，并使用它们。但实际上，你是通过regexp匹配来进行分类的。解析通常用于提取句子中的短语，或者生成句子的深层解析树，但你只是试图识别/提取句子，这就是为什么我认为分类是一种更好的方法。在尝试这种方法时，考虑将标记词作为特征，因为语法可能很重要。”根据他的建议，我看了一下我的因果句，我发现这些句子中有这样的词

consequently
as a result
Therefore
as a consequence
For this reason
For all these reasons
Thus
because
since
because of
on account of
due to
for the reason
so, that

这些词在句子中确实是把因果联系在一起的。使用这些连接器，现在很容易提取因果句。详细报告可在arxiv：https://arxiv.org/pdf/1507.02447.pdf上找到