自然語言處理在PHP

Question

考慮，比方說，一個配方中自由文本形式（成分，步驟等的列表），我該如何解析以這樣的方式，我可以拉出來的成分（如數量，單位測量，成分名稱等）使用PHP？

假設自由文本格式化時有些。

Answer 1

要做到這一點「正常」，你幾乎需要定義某種語法，然後可能使用LALR解析器或一些工具，如YACC，野牛或萊克斯建立一個解析器。假設你不想這樣做，它的strpos（）ftw！

Answer 2

沒有一噸的語言建模的，我認爲唯一的辦法是有一個巨大的配料表和配方尋找他們。數量應該是成分之前的詞。

Answer 3

有對Java非常相似question。簡而言之，您需要詞典（例如成分）和術語（註釋）中的正則表達式語言。你可以做到這一點在Java中，並通過Web服務從PHP調用它，或者你可以嘗試在PHP重新實現它（注意，在第二種情況下，你可能有顯著放緩）。

Answer 4

有openNlp在java中的命名實體提取，可以接你，你正在尋找看到什麼：http://opennlp.sourceforge.net/models-1.5/

然後你可以使用PHP，Java連接器得到的結果到PHP。

Answer 5

如果你想迅速做到這一點，並收集資源收集的最小量，你也許可以想出一些好的啓發和一些正則表達式。

既然你說這個列表是「有點格式化，」我會假設工作有每行一個成分指令。

我首先想出一個測量名稱列表，這是一個相對封閉的類（我們稱之爲語言學），如$measurements=['cup', 'tablespoon', 'teaspoon', 'pinch', 'dash', 'to taste', ...]。你甚至可以拿出幾個項目映射到一個標準化的值的字典（所以$measurements={cup:['cup', 'c'], tablespoon:['tablespoon', 'tbsp', 'tablesp', ...], ...}或諸如此類的東西。）

然後在每一行，你可以找到測量單位如果是在你的字典。接下來，查找數字（可以格式化爲小數 - 例如1.5 - 或複雜的分數 - 例如2 1/2或2-1/2），並假設這是您需要的單位的數量。如果沒有號碼，那麼你可以假設單位是一個（如可能與「味」之類的情況下）。

最後，你可以假設任何事情所剩下的是實際的成分。

我想這啓發將覆蓋你的情況下75-80％。你仍然會有很多角落案例，比如當配方需要「2個桔子」時，或者更糟糕！ - 「2個桔子汁」。在這些情況下，您可能希望將它們（在某種離線管理期間）添加爲例外情況，或讓他們「沒問題」，讓他們處理不當。