Как распаковывать предложения, содержащие конкретные имена людей, используя R

Question

Я использую R извлечь предложений, содержащие конкретные имена людей из текстов и вот образец пункт:

оппозитный как реформатор в Тюбингене, он принял призыв к Университету Виттенберга Мартином Лютером, рекомендованный его дядюшкой Иоганном Рейхлином. Меланхтон стал профессором греческого языка в Виттенберге в возрасте 21 года. Он изучал Писание, особенно Павла, и евангельскую доктрину. Он присутствовал на диспуте Лейпцига (1519) в качестве зрителя, но участвовал в его комментариях. Иоганн Эк, напав на его взгляды, ответил Меланхтон, основываясь на авторитете Писания в его Defensio contra Johannem Eckium.

В этом коротком абзаце, есть несколько имен, человека, такие как: Рейхлин, Меланхтон, Иоганн Экк. С помощью OpenNLP пакета, три названия человека Мартин Лютер, Полом и Меланхтона может быть правильно извлечен и признана. Тогда у меня есть два вопроса:

1. Как я мог извлечь предложения, содержащие эти имена?
2. Поскольку вывод распознавателя названного объекта не так многообещающий, если я добавляю «[[]]» к каждому имени, например [[Johann Reuchlin]], [[Melanchthon]], как я могу извлечь предложения, содержащие эти выражения имен [[A]], [[B]] ...?

Answer 1

Using `strsplit` and `grep`, first I set made an object `para` which was your paragraph. 

toMatch <- c("Martin Luther", "Paul", "Melanchthon") 

unlist(strsplit(para,split="\\."))[grep(paste(toMatch, collapse="|"),unlist(strsplit(para,split="\\.")))] 


> unlist(strsplit(para,split="\\."))[grep(paste(toMatch, collapse="|"),unlist(strsplit(para,split="\\.")))] 
[1] "Opposed as a reformer at Tübingen, he accepted a call to the University of Wittenberg by Martin Luther, recommended by his great-uncle Johann Reuchlin" 
[2] " Melanchthon became professor of the Greek language in Wittenberg at the age of 21"                  
[3] " He studied the Scripture, especially of Paul, and Evangelical doctrine"                    
[4] " Johann Eck having attacked his views, Melanchthon replied based on the authority of Scripture in his Defensio contra Johannem Eckium"  

Или немного чище:

sentences<-unlist(strsplit(para,split="\\.")) 
sentences[grep(paste(toMatch, collapse="|"),sentences)] 

Если вы ищете предложения, что каждый человек находится в виде отдельных возвращается тогда:

toMatch <- c("Martin Luther", "Paul", "Melanchthon") 
sentences<-unlist(strsplit(para,split="\\.")) 
foo<-function(Match){sentences[grep(Match,sentences)]} 
lapply(toMatch,foo) 

[[1]] 
[1] "Opposed as a reformer at Tübingen, he accepted a call to the University of Wittenberg by Martin Luther, recommended by his great-uncle Johann Reuchlin" 

[[2]] 
[1] " He studied the Scripture, especially of Paul, and Evangelical doctrine" 

[[3]] 
[1] " Melanchthon became professor of the Greek language in Wittenberg at the age of 21"             
[2] " Johann Eck having attacked his views, Melanchthon replied based on the authority of Scripture in his Defensio contra Johannem Eckium" 

Редактировать 3: Для того, чтобы добавить имена каждого человека, сделать что-то простое, например:

foo<-function(Match){c(Match,sentences[grep(Match,sentences)])} 

EDIT 4:

И если вы хотите, чтобы найти предложения, которые имели несколько людей/мест/вещей (слова), а затем просто добавить аргумент для тех, кто два, таких как:

toMatch <- c("Martin Luther", "Paul", "Melanchthon","(?=.*Melanchthon)(?=.*Scripture)") 

и изменить perl в TRUE:

foo<-function(Match){c(Match,sentences[grep(Match,sentences,perl = T)])} 


> lapply(toMatch,foo) 
[[1]] 
[1] "Martin Luther"                                   
[2] "Opposed as a reformer at Tübingen, he accepted a call to the University of Wittenberg by Martin Luther, recommended by his great-uncle Johann Reuchlin" 

[[2]] 
[1] "Paul"                 
[2] " He studied the Scripture, especially of Paul, and Evangelical doctrine" 

[[3]] 
[1] "Melanchthon"                               
[2] " Melanchthon became professor of the Greek language in Wittenberg at the age of 21"             
[3] " Johann Eck having attacked his views, Melanchthon replied based on the authority of Scripture in his Defensio contra Johannem Eckium" 

[[4]] 
[1] "(?=.*Melanchthon)(?=.*Scripture)"                          
[2] " Johann Eck having attacked his views, Melanchthon replied based on the authority of Scripture in his Defensio contra Johannem Eckium" 

EDIT 5: Ответы на ваш другой вопрос:

Предоставлено:

sentenceR<-"Opposed as a reformer at [[Tübingen]], he accepted a call to the University of [[Wittenberg]] by [[Martin Luther]], recommended by his great-uncle [[Johann Reuchlin]]" 

gsub("\\[\\[|\\]\\]", "", regmatches(sentenceR, gregexpr("\\[\\[.*?\\]\\]", sentenceR))[[1]]) 

Дает вам слова в двойных скобках.

> gsub("\\[\\[|\\]\\]", "", regmatches(sentenceR, gregexpr("\\[\\[.*?\\]\\]", sentenceR))[[1]]) 
[1] "Tübingen"  "Wittenberg"  "Martin Luther" "Johann Reuchlin" 

Answer 2

Вот значительно более простой метод с использованием двух пакетов quanteda и STRINGI:

sents <- unlist(quanteda::tokenize(txt, what = "sentence")) 
namesToExtract <- c("Martin Luther", "Paul", "Melanchthon") 
namesFound <- unlist(stringi::stri_extract_all_regex(sents, paste(namesToExtract, collapse = "|"))) 
sentList <- split(sents, list(namesFound)) 

sentList[["Melanchthon"]] 
## [1] "Melanchthon became professor of the Greek language in Wittenberg at the age of 21."             
## [2] "Johann Eck having attacked his views, Melanchthon replied based on the authority of Scripture in his Defensio contra Johannem Eckium." 

sentList 
## $`Martin Luther` 
## [1] "Opposed as a reformer at Tübingen, he accepted a call to the University of Wittenberg by Martin Luther, recommended by his great-uncle Johann Reuchlin." 
## 
## $Melanchthon 
## [1] "Melanchthon became professor of the Greek language in Wittenberg at the age of 21."             
## [2] "Johann Eck having attacked his views, Melanchthon replied based on the authority of Scripture in his Defensio contra Johannem Eckium." 
## 
## $Paul 
## [1] "He studied the Scripture, especially of Paul, and Evangelical doctrine."