有没有办法将TIMEX3单词转换成它们的实际值？

Question

例如，对于PRESENT_REF，我需要“2015年4月27日(星期一)下午14:22”

我用HeidelTime (下面的代码)对简单的句子进行了实验，比如“从现在起三小时内我将完成这个程序”。

HeidelTimeStandalone heidelTime = new HeidelTimeStandalone(
        Language.ENGLISH,
        DocumentType.NEWS,
        OutputType.TIMEML,
        "C:/heideltime/heideltime-standalone/config.props", 
        POSTagger.TREETAGGER, true);

// Document creation time 
Date dct = new Date();  
String text="In three hours from now I will finish this program.";;
String result = heidelTime.process(text, dct)

对于这个特定的注释，HeidelTime生成注释

<?xml version="1.0"?>
<!DOCTYPE TimeML SYSTEM "TimeML.dtd">
<TimeML>
In <TIMEX3 tid="t2" type="DURATION" value="PT3H">three hours</TIMEX3> from <TIMEX3 tid="t1" type="DATE" value="PRESENT_REF">now</TIMEX3> we will finish this program
</TimeML>

而我需要得到这样的东西

At <TIMEX3 tid="t6" type="DATE" value="2015-04-27">   <TIMEX3 tid="t8" type="TIME" value="2015-04-27T26:22">17:22 PM</TIMEX3> I will finish this program

有办法做到这一点吗？

Answer 1

HeidelTime 1试图按照TimeML准则2提取和规范时态表达式，重点是属性"type“和"value”。

关于第一个例子:像"now“这样的表达式将被注释为TimeML后面的”TimeML“，这样HeidelTime的注释就不会不正确--尽管在您的例子中可能没有用。你说：

对于PRESENT_REF，我需要“2015年4月27日(星期一)下午14:22”

如果要将" PRESENT_REF“转换为实际值，可以假定PRESENT_REF总是引用文章的文档创建时间(尽管在某些情况下这可能是不正确的，特别是如果您不处理新闻样式的文档)。无论如何，您可以使用DateFormatter获取所需的信息：

import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.Calendar;
...
Calendar c = Calendar.getInstance();
String dct = "2015-04-27T14:22";
SimpleDateFormat formatIn = new SimpleDateFormat("yyyy-MM-dd'T'hh:mm");
c.setTime(formatIn.parse(dct));
SimpleDateFormat formatOut = new SimpleDateFormat("EEEE, MMMM dd, yyyy HH:mm a");
String dctText = formatOut.format(c.Time());
System.out.println(dctText);
// prints: Monday, April 27, 2015 14:22 PM

第二个例子就不那么简单了。考虑到时态表达式的范围以及属性类型和值，HeidelTime为表达式创建的注释是正确的，即，

<TIMEX3 tid="t1" type="DURATION" value="PT3H">three hours</TIMEX3> 
from
<TIMEX3 tid="t2" type="DATE" value="PRESENT_REF">now</TIMEX3>

有时，需要更多的注释。例如，在TimeML之后，可以锚定持续时间，并将"beginPoint“和/或"endPoint”信息分配给持续时间注释。HeidelTime不会毫无保留地做到这一点。

但是，对于某些类型的表达式，HeidelTime可以为非标准TIMEX3s添加注释，特别是当两个表达式指定一个时间间隔时，例如，对于短语“1910年至1950年”，标准的TIMEX3注释是：

from <TIMEX3 tid="t1">1910</TIMEX3> to <TIMEX3 tid="t2">1950</TIMEX3>

如果另外使用HeidelTime的间隔标记，将添加一个TIMEX3INTERVAL，其中包含间隔的最早和最新的起始点和结束点，即，

<TIMEX3INTERVAL earliestBegin="1910-01-01T00:00:00" 
                latestBegin="1910-12-31T23:59:59"
                earliestEnd="1950-01-01T00:00:00" 
                latestEnd="1950-12-31T23:59:59">
<TIMEX3 tid="t1" type="DATE" value="1910">1910</TIMEX3> 
to 
<TIMEX3 tid="t2" type="DATE" value="1950">1950</TIMEX3>
</TIMEX3INTERVAL>

这样就涵盖了时间间隔，但还不支持由多个简单TIMEX3表达式产生的计算值。

如果您想要编写一个扩展，可以从上面的DateFormatter示例开始，解析持续时间值(例如，PT3H)，并执行DateCalculation (如c.add(Calendar.HOUR, 3) )，这会给原始c ++增加3个小时。

如果您编写了一个扩展并希望将它添加到HeidelTime中，请告诉我们;-)

1

2