列表中的词组匹配

Question

假设我有一个代表句子的列表，例如：sent = ['terras', 'ipsius', 'Azar', 'vocatas', 'Ta', 'Xellule', 'et', 'Ginen', 'Chagem', 'in', 'contrata', 'Deyr', 'Issafisaf']以及地名列表places = ['Ta Xellule', 'Ginen Chagem', 'Deyr Issafisaf']我最终会如何：[('O','terras'), ('O', 'ipsius'), ('O', 'Azar'), ('O', vocatas'), ('PLACE', 'Ta'), ('PLACE', 'Xellule'), ('O','et'), ('PLACE', 'Ginen'), ('PLACE', 'Chagem'), ('O','in'), ('O','contrata'), ('PLACE', 'Deyr'), ('PLACE', 'Issafisaf')]快速说明：例如，如果Ta必须仅在Xellule旁边。如果在句子中的其他上下文中发现，则不应将其标记为PLACE ex：Ta Buni mar Ta Xellule ...，仅应标记第二个Ta。这是我的地点清单的一个示例： 'Ras il Huichile', 'Ras il Hued', 'Ta Richardu', 'Roma', 'Russilion', 'La Rukiha', 'Irrukiha ta il Bayada', 'Casalis Milleri', 'Ta Sabat', 'Casalis Zebug', 'Ta Zagra', 'Sagra in  Ras il Hued', 'Ta Isalme'这是一个例句：terras ipsius Azar vocatas Ta Xellule et Ginen Chagem in contrata Deyr Issafisaf cum iuribus suis omnibus在这里，尽管它存在于Ras il Hued的Sagra中，但不应标记为位置

Answer 1

好的，我根据您的修改更新了答案：

from functools import reduce

sent = "terras ipsius Azar vocatas Ta Ta Zagra Ta Zagra Xellule et Ginen Chagem in contrata Deyr Issafisaf cum iuribus suis omnibus"

places = [ 'Ras il Huichile', 'Ras il Hued', 'Ta Richardu', 'Roma', 'Russilion', 'La Rukiha', 'Irrukiha ta il Bayada',

'Casalis Milleri', 'Ta Sabat', 'Casalis Zebug', 'Ta Zagra', 'Sagra in  Ras il Hued', 'Ta Isalme', 'Ta Xellule', 'Ginen Chagem',

'Deyr Issafisaf']

places_map = {p:[('PLACE', l) for l in p.split()] for p in places}

def find_places(sent, places):

    if len(places) is 0:

        return [('O', l) for l in sent.split()]

    place = places[0]

    remaining_places = places[1:]

    sent_splits = sent.split(place)

    return reduce(lambda a,b:a+places_map[place]+b, [find_places(s, remaining_places) for s in sent_splits])

print(find_places(sent, places))

输出为：

[('O', 'terras'), ('O', 'ipsius'), ('O', 'Azar'), ('O', 'vocatas'), ('O', 'Ta'), ('PLACE', 'Ta'), ('PLACE', 'Zagra'), ('PLACE', 'Ta'), ('PLACE', 'Zagra'), ('O', 'Xellule'), ('O', 'et'), ('PLACE', 'Ginen'), ('PLACE', 'Chagem'), ('O', 'in'), ('O', 'contrata'), ('PLACE', 'Deyr'), ('PLACE', 'Issafisaf'), ('O', 'cum'), ('O', 'iuribus'), ('O', 'suis'), ('O', 'omnibus')]

因此，我使用了一种递归方法来查找句子中的位置，以所需的格式对其进行更改，然后对句子的其余部分与其余位置进行递归处理，然后将它们最终合并在一起。

Answer 2

尝试这样的事情：

res = []

for x in sent:

    for place in places:

        if x in place:

            # add 'PLACE' if it matches

            res.append(('PLACE', x))

    if ('PLACE', x) not in res: 

        # add '0' if we find nothing

        res.append(('0', x))

print(res)

Answer 3

这是一个仅基于列表理解的建议，适用于理解爱好者：

sent = ['terras', 'ipsius', 'Azar', 'vocatas', 'Ta', 'Xellule', 'et', 'Ginen', 'Chagem', 'in', 'contrata', 'Deyr', 'Issafisaf']

places = ['Ta Xellule', 'Ginen Chagem', 'Deyr Issafisaf']

p      = [i for place in places for i in place.split()]

result = [('PLACE',word) if word in p else ('O',word) for word in sent]

print(result)

# [('O', 'terras'), ('O', 'ipsius'), ('O', 'Azar'), ('O', 'vocatas'), ('PLACE', 'Ta'),

#  ('PLACE', 'Xellule'), ('O', 'et'), ('PLACE', 'Ginen'), ('PLACE', 'Chagem'), 

#  ('O', 'in'), ('O', 'contrata'), ('PLACE', 'Deyr'), ('PLACE', 'Issafisaf')]