Spacy Dependency Matcher无法匹配带序数词后缀的from xxx to xxx模式问题

你编写的匹配规则默认to介词是from的直接子节点，但spaCy的en_core_web_sm模型对带序数词后缀（-th）的日期短语的依存解析逻辑和纯数字日期短语有差异：

• 纯数字日期（如March 4 to 15）的依存路径：from 直接挂载子节点 prep(to)，完全符合你写的规则，所以可以正常匹配
• 带-th的序数词日期（如March 4th to 15th）的依存路径：to介词是挂载在from的直接宾语4th节点下，而非from的直接子节点，原有规则无法命中

你可以调整匹配规则的节点关联关系，使用>>操作符匹配任意深度的子孙节点，兼容两种解析结果，修改后的pattern参考如下：

pattern = [
    {
        "RIGHT_ID": "node1",
        "RIGHT_ATTRS": {"LEMMA": "from"}
    },
    {
        "LEFT_ID": "node1",
        "REL_OP": ">",
        "RIGHT_ID": "node2",
        "RIGHT_ATTRS": {"DEP": "pobj"},
    },
    {
        "LEFT_ID": "node1",
        "REL_OP": ">>", # 从直接子节点改为匹配任意深度子孙节点
        "RIGHT_ID": "node3",
        "RIGHT_ATTRS": {"LEMMA": "to", "DEP": 'prep'}, # 增加lemma限定为to，避免匹配到其他无关介词
    },
    {
        "LEFT_ID": "node3",
        "REL_OP": ">",
        "RIGHT_ID": "node4",
        "RIGHT_ATTRS": {"DEP": 'pobj'},
    }]

修改后就可以同时匹配两种格式的日期短语了。

内容的提问来源于stack exchange，提问作者yuri5