"c.日期-日期BC“的SUTime SequenceMatchRules

Question

我正在与斯坦福大学的SequenceMatchRules进行斗争，因为它将以下输入识别为两个日期：

阿纳西曼德(c. 610-c. ，公元前546年)是苏格拉底以前的希腊哲学家，住在奥尼亚的一个城市米列图斯(在现代土耳其)。

(取自万神殿数据集，如http://pantheon.media.mit.edu)

‘公元前546’工作很好，但我也想承认'610‘为’公元前610‘(最好不是作为一个持续时间)。

到目前为止，我所做的只是为了让事情顺利进行：

改性english.sutime.txt

变化

$POSSIBLE_YEAR = ( $YEAR /a\.?d\.?|b\.?c\.?/? | $INT /a\.?d\.?|b\.?c\.?/ | $INT1000TO3000 );

至

$POSSIBLE_YEAR = ( $YEAR /a\.?d\.?|b\.?c\.?/? | $INT /a\.?d\.?|b\.?c\.?/ | /c\.\ / $INT | $INT1000TO3000 );

在pattern: ( $POSSIBLE_YEAR)...提取规则中：

          Tag($0, "YEAR_ERA",
            :case {
               $0 =~ ( $INT /a\.?d\.?/ ) => ERA_AD,
               $0 =~ ( $INT /b\.?c\.?/ ) => ERA_BC,
               :else => ERA_UNKNOWN
            }
          )

至

          Tag($0, "YEAR_ERA",
            :case {
               $0 =~ ( $INT /a\.?d\.?/ ) => ERA_AD,
               $0 =~ ( /c\.\ / $INT ) => ERA_BC,
               $0 =~ ( $INT /b\.?c\.?/ ) => ERA_BC,
               :else => ERA_UNKNOWN
            }
          )

第一，很丑，第二，根本不管用。

我该从哪里开始把这件事做好？

我正在使用stanford-corenlp-full-2018-10-05。

我应该指出，万神殿并不是完全标准化的，所以我必须处理额外的东西，如CE/BCE，在日期周围缺少空格等。因此，一个可扩展的方法将是很好的。

Answer 1

我认为这条规则与c. 610相匹配.如果它看到了该模式，它将将相应的IsoDate附加到它。请让我知道，如果这是可行的，或not...if，不，我可以知道什么是坏的。

{ (/c\./ (/[0-9]{3,4}/)) => IsoDate($1[0].numcompvalue, NIL, NIL, 0, FALSE) }

下面是IsoDate的构造函数，该构造函数以时代为参考：

public IsoDate(Number y, Number m, Number d, Number era, Boolean yearEraAdjustNeeded) {
  this.year = (y != null)? y.intValue():-1;
  this.month = (m != null)? m.intValue():-1;
  this.day = (d != null)? d.intValue():-1;
  this.era = (era != null)? era.intValue():ERA_UNKNOWN;
  if (yearEraAdjustNeeded != null && yearEraAdjustNeeded && this.era == ERA_BC) {
    if (this.year > 0) {
      this.year--;
    }
  }
  initBase();
}

如果该规则有效，它应该演示如何匹配文本模式并附加所需的年份。只需编写一个pantheon_rules.txt文件并将其添加到涵盖您想要的一切的SUTime规则列表中可能是最简单的，一旦您放下了该基本规则，就可以扩展它以匹配您想要的情况。我还可以在某个时候将处理这些案例的规则添加到正式发布中。