前言
目前，机器学习越来越流行，各种问答系统的应用也越来越广泛。其中，问答系统的知识库有些还是来源于关系型数据库。
往往我们的提问是这样的：“上个月有什么电影？”
但知识库中的数据是这样的：
| ID | Name | Date |
|---|---|---|
| 1 | 泰坦尼克号 | YYYY-MM-DD |
| 2 | X战警 | YYYY-MM-DD |
| 3 | 阿凡达 | YYYY-MM-DD |
对此，我们需要将日常用语，表示时间的词语转换为YYYY-MM-DD格式。针对上述情况，笔者编写了一个java工具类，实现此功能。
描述
基于正则表达式关键字提取，自年、季度、月、周、日向下提取拼接成日期字符串，同时支持“从……到……”形式的范围日期查找。
| 日期 | 口语格式 | 同义词 |
|---|---|---|
| 年 | 去、前、今、本、明、后、前、近、最近 | YYYY、YY |
| 季度 | 这、本、上、下、前、近、最近、第 | - |
| 月 | 这、本、上、下、上、前、近、最近、半年 | MM、M |
| 周 | 这、本、上、下、前、近、最近 | 周、礼拜、星期 |
| 日 | 现在、昨、今、前、明、后、前、近、最近、半个月、月上旬、月中旬、月下旬 | DD、D、天、日、号、星期X、周X、礼拜X |
使用
代码
ZHSpokenDateFormat.AnalyzeResult analyzeResult = ZHSpokenDateFormat.analyzeStr("今年上半年有什么电影");
AnalyzeResult 类属性
// 是否有日期格式匹配
private boolean matchDate;
// 开始时间
private String beginDate;
// 结束时间
private String endDate;
// 去除日期字符串后剩余的字符串部分
private String remainingPart;
示例
代码
public static void main(String[] args) {
String[] questions = {
"今年上半年有什么电影",
"从2010年3月份到二零一九年十二月份有哪些动漫",
"最近两个礼拜有什么电视剧",
"七月上旬开了几场演唱会",
};
for (String question : questions) {
ZHSpokenDateFormat.AnalyzeResult analyzeResult = ZHSpokenDateFormat.analyzeStr(question);
System.out.println("原句:" + question);
System.out.println("是否有日期格式匹配:" + analyzeResult.isMatchDate());
System.out.println("开始时间:" + analyzeResult.getBeginDate());
System.out.println("结束时间:" + analyzeResult.getEndDate());
System.out.println("去除日期字符串后剩余的字符串部分:" + analyzeResult.getRemainingPart());
// 当然你也可以通过以下方式获取匹配文字
String matchStr = question.replaceAll(analyzeResult.getRemainingPart(), "");
System.out.println("匹配文字:" + matchStr);
System.out.println("
");
}
}
结果
原句:今年上半年有什么电影
是否有日期格式匹配:true
开始时间:2020-01-01
结束时间:2020-06-30
去除日期字符串后剩余的字符串部分:有什么电影
匹配文字:今年上半年
原句:从2010年3月份到二零一九年十二月份有哪些动漫
是否有日期格式匹配:true
开始时间:2010-03-01
结束时间:2019-12-31
去除日期字符串后剩余的字符串部分:有哪些动漫
匹配文字:从2010年3月份到二零一九年十二月份
原句:最近两个礼拜有什么电视剧
是否有日期格式匹配:true
开始时间:2020-10-5
结束时间:2020-10-11
去除日期字符串后剩余的字符串部分:有什么电视剧
匹配文字:最近两个礼拜
原句:七月上旬开了几场演唱会
是否有日期格式匹配:true
开始时间:2020-07-01
结束时间:2020-07-10
去除日期字符串后剩余的字符串部分:开了几场演唱会
匹配文字:七月上旬