使用Stanza提取时间日期实体时如何获取其前后关联上下文内容

不需要额外编写正则代码，直接使用Stanza本身返回的实体位置、句子结构信息就能实现需求，两种常用实现方案如下：

• 方案1：提取时间实体所属的完整句子
  适合需要完整动作上下文的场景，Stanza识别出的每个实体都绑定了所属的句子对象，直接获取对应句子的全文即可，改后代码示例：

  def show_time_ents_with_sentence(doc):
      entities = []
      if not doc.entities:
          print('No named entities found.')
          return entities
      for entity in doc.entities:
          if entity.type in ('TIME', 'DATE'):
              # 获取实体所属的完整句子
              belong_sent = entity.sent.text
              print(f"时间实体：{entity.text}，所属上下文：{belong_sent}")
              entities.append(f"{entity.text}:{entity.type} | 上下文：{belong_sent}")
      return entities
  

• 方案2：提取实体前后指定数量的紧邻关联词
  适合只需要和时间直接绑定的动作短语的场景，每个实体都有start_token和end_token属性，标记了实体在句子token序列里的起始和结束索引，直接按索引取前后指定数量的token拼接即可，比如要实现你示例中的效果，往前取3个词、往后取1个词即可，代码示例：

  def show_time_ents_with_nearby_words(doc, pre_word_num=3, post_word_num=1):
      entities = []
      if not doc.entities:
          print('No named entities found.')
          return entities
      for entity in doc.entities:
          if entity.type in ('TIME', 'DATE'):
              sent = entity.sent
              # 计算要取的token范围，避免索引越界
              start_idx = max(0, entity.start_token - pre_word_num)
              end_idx = min(len(sent.words), entity.end_token + post_word_num)
              # 拼接选中的token文本
              context_text = ' '.join([word.text for word in sent.words[start_idx:end_idx]])
              print(f"时间实体：{entity.text}，紧邻上下文：{context_text}")
              entities.append(f"{entity.text}:{entity.type} | 紧邻上下文：{context_text}")
      return entities
  

  用你给出的示例文本测试，该函数可以直接输出watched a movie at 3:00PM on Thursday、ate pancakes at 9:00AM这类符合预期的结果。

如果需要更精准的只提取时间关联的动作核心，还可以结合Stanza的依存句法分析结果，找到时间实体修饰的谓语核心词，再提取对应谓语短语即可，准确率远高于正则匹配，不需要适配复杂的时间表达格式规则。

内容的提问来源于stack exchange，提问作者hrstfgdx