HeidelTime: 自然语言日期解析工具

HeidelTime是一个用于解析自然语言文本中的日期和时间的工具。 它支持诸如英语，德语，法语，荷兰语，意大利语，波兰语，葡萄牙语，西班牙语和斯瓦希里语等多种语言，主要用于文本分析和信息提取。

特性

• 多种语言支持：英语，德语，法语，荷兰语，意大利语，波兰语，葡萄牙语，西班牙语和斯瓦希里语等；
• 丰富的日期和时间格式支持；
• 支持多种时间参照系统，如绝对时间（例如1970年1月1日），相对时间（例如“ 3天前”），文本中提到的关键事件（例如“ 昨天”）等；
• 高度可定制：可以自定义语言，日期格式，时间参照系统等。

安装

heideltime可以通过Maven进行安装：

<dependency>
    <groupId>de.unihd</groupId>
    <artifactId>heideltime</artifactId>
    <version>2.2.1</version>
</dependency>

使用示例

下面给出一个简单的使用示例来解析英文文本中的时间：

import java.util.List;

import de.unihd.dbs.heideltime.standalone.*;
import de.unihd.dbs.heideltime.standalone.exceptions.*;

public class HeideltimeExample {

    public static void main(String[] args) {
        String text = "On November 29, 2021, John Smith went to Washington.";

        HeidelTimeStandalone heidelTime = new HeidelTimeStandalone();
        List<TemporalExpression> temporalExpressions = null;

        try {
            temporalExpressions = heidelTime.process(text, "2021-11-29");
        } catch (DocumentCreationTimeMissingException e) {
            System.out.println("DocumentCreationTimeMissingException thrown");
        } catch (LanguageNotSupportedException e) {
            System.out.println("LanguageNotSupportedException thrown");
        } catch (CorpusNotFoundException e) {
            System.out.println("CorpusNotFoundException thrown");
        }

        if (temporalExpressions != null) {
            for (TemporalExpression temporalExpression : temporalExpressions) {
                System.out.println(temporalExpression.getTemporal().toString());
            }
        }
    }

}

这将输出文本中解析出来的所有时间表达式。 您可以在process方法中指定文档的创建时间（如果可用）作为第二个参数。

自定义

heideltime提供了各种配置选项，以便根据需要自定义。 可以使用config.props文件来指定各种参数。 下面是一些常见的示例：

• language: 指定要解析的文本的语言。 默认为“英语”；
• date：指定日期的格式。 默认为“YYYY[-MM[-DD]][{IN}|{BEFORE|AFTER}]”；
• time：指定时间的格式。 默认为“hh:mm:ss[Z]”；
• timezone: 指定时区。 默认为“GMT”；
• normalizeTimexValue: 指定是否将输出的时间值标准化。 默认为“true”；
• documentCreationTime: 如果无法从数据中确定文档创建时间，则可以在此处指定其值，默认为“null”；
• daterule和timexrule：用于指定规则，以在识别时间表达式时控制匹配。

配置文件中支持的其他属性可以在这里找到。

结论

在自然语言处理中，时间解析是一个重要的任务。 heideltime是一个高效的解析工具，支持多种语言和多种日期格式，并提供了各种定制选项，以适应各种需求。如果您正在处理跨语言的日期数据，并且需要一个可靠的解析工具，则可以尝试使用heideltime。