用python写答案抽取

答案抽取是指从文本中提取出问题的答案。通常情况下，答案抽取是自然语言处理任务中的一个重要任务。在 Python 中，我们可以使用多种库和框架来实现答案抽取。下面是一个简单的示例：

import spacy
from spacy.matcher import Matcher

# 加载 Spacy 的英文模型
nlp = spacy.load("en_core_web_sm")

# 要搜索的文本
text = "The capital of France is Paris."

# 创建匹配器
matcher = Matcher(nlp.vocab)

# 创建模板
pattern = [{"LOWER": "capital"}, {"LOWER": "of"}, {"LABEL": "GPE"}]

# 将模板添加到匹配器中
matcher.add("CAPITAL_OF_COUNTRY", None, pattern)

# 对文本应用匹配器
doc = nlp(text)
matches = matcher(doc)

# 打印结果
for match_id, start, end in matches:
    country = doc[start:end]
    print(country.text)

在上面的代码中，我们使用了 Spacy 库中的 Matcher 类来实现答案抽取。我们首先加载了英文模型，然后定义了要搜索的文本。接下来，我们创建了一个匹配器，并定义了一个模板，该模板匹配“capital of [国家]”这个短语。最后，我们使用匹配器在文本中搜索匹配项，并打印出匹配结果。

需要注意的是，上面的示例只是一个简单的答案抽取方案，可以根据具体需求进行修改和优化。例如，可以使用更复杂的模板或使用其他库和算法来实现更高效的答案抽取。