自然语言信息处理答案抽取python

在Python中，可以使用自然语言处理（NLP）库来实现答案抽取。以下是一个简单的答案抽取示例：

1. 导入必要的库：

import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize, sent_tokenize

2. 准备文本：

text = "The quick brown fox jumped over the lazy dog. The dog slept all day."

3. 分句和分词：

sentences = sent_tokenize(text)
words = word_tokenize(text)

4. 去除停用词：

stop_words = set(stopwords.words('english'))
filtered_words = [word for word in words if word.casefold() not in stop_words]

5. 找到问题中的关键词：

question = "What did the dog do all day?"
question_words = word_tokenize(question)
keywords = [word for word in question_words if word.casefold() not in stop_words]

6. 对于每个句子，找到包含关键词的词组：

for sentence in sentences:
    sentence_words = word_tokenize(sentence)
    for i in range(len(sentence_words)):
        if sentence_words[i].casefold() == keywords[0]:
            answer = " ".join(sentence_words[i:i+len(keywords)])
            print(answer)

在上述代码中，我们首先将文本分成句子和单词。然后，我们去除停用词，找到问题中的关键词，并使用这些关键词在每个句子中找到包含它们的词组。最后，我们将找到的答案打印出来。

需要注意的是，这只是一个简单的答案抽取示例，实际应用中需要更加复杂的算法和技术来实现更精确的答案抽取。