您是否知道NLP中的某些论文或算法能够从与给定实体（术语）相关的文本中提取句子。我想处理一些评论（主要是技术），但我发现很多评论都提到了一个以上的产品（他们做了比较）。我想从该文本中提取与一个产品相关的句子，或删除与特定命名实体（产品）无关的句子。
我的任务是如何做到的？有一些相关的论文吗？这样的东西是由某些工具包还是api完成的？
答案 0 :(得分：2)
您想要的是命名实体识别器（NER）。给定输入句子，NER将识别句子中的各种实体作为人员，组织，产品等。然后，您可以检查被识别为产品的实体，并相应地保留或丢弃该句子。一个非常简单的可能性是在Python中使用NLTK的命名实体识别器。这是一个例子：
import nltk
sent = "Albert Einstein spent many years at Princeton University in New Jersey"
sent1 = nltk.word_tokenize(sent)
sent2 = nltk.pos_tag(sent1)
sent3 = nltk.ne_chunk(sent2)
print sent3
输出将是：
(S
(PERSON Albert/NNP)
(PERSON Einstein/NNP)
spent/VBD
many/JJ
years/NNS
at/IN
(ORGANIZATION Princeton/NNP University/NNP)
in/IN
(GPE New/NNP Jersey/NNP))
NLTK适用于这个简单的例子，但说实话，我不确定它是多么准确，或者它是否可以根据您的目的进行定制（识别产品）。但我知道Stanford NER可自定义且准确，因此您可能需要查看上述链接。
答案 1 :(得分：0)
本文可能是您解决问题的方法。 https://www.aclweb.org/anthology/W12-4702
解决这类问题的方法很复杂。像谈论实体的句子一样，可以是描述/比较/问题类型等任何类型。在某些情况下，可能会或可能不会明确提及实体。
可以尝试一些方法：实体转换，共指解析，话语关系提取等。
谢谢。