Sélection du texte des balises correspondantes dans une séquence R

Question

J'essaie d'extraire le texte d'une balise correspondante dans une phrase en séquence. Fondamentalement, j'essaie d'obtenir une partie du discours correspond à chaque phrase dans le fichier texte. code:

posText<- "The VeriFone is not working, when customers slide card nothing happens. The screen is frozen. We rebooted but it did not help." 
    posText1<- c("The VeriFone is not working","scanner is not scanning","printer offline","when customers slide card nothing happens. The screen is frozen. We rebooted but it did not help.") 

    tagPOS <- function(x, ...) { 
    s <- as.String(x) 
    word_token_annotator <- Maxent_Word_Token_Annotator() 
    a2 <- Annotation(1L, "sentence", 1L, nchar(s)) 
    a2 <- annotate(s, word_token_annotator, a2) 
    a3 <- annotate(s, Maxent_POS_Tag_Annotator(), a2) 
    a3w <- a3[a3$type == "word"] 
    POStags <- unlist(lapply(a3w$features, `[[`, "POS")) 
    POStagged <- paste(sprintf("%s/%s", s[a3w], POStags), collapse = " ") 
    list(POStagged = POStagged, POStags = POStags) 
    } 

    dd1 <- do.call(rbind, strsplit(as.character(posText), ' ')) 
    dd_V1 <- tagPOS(dd1)$POStagged 
    dd_V1 

Sortie

[1] "The/DT VeriFone/NNP is/VBZ not/RB working/VBG ,/, when/WRB customers/NNS slide/NN card/NN nothing/NN happens/VBZ ./. The/DT screen/NN is/VBZ frozen/VBN ./. We/PRP rebooted/VBD but/CC it/PRP did/VBD not/RB help/VB ./." 

Je veux extraire le texte de la balise dans une séquence. Par exemple: je veux extraire des textes dont le tag est 'NNP', 'VBZ', 'RB', 'VBG' dans la séquence du fichier texte entier partout où nous avons la séquence suivante dans les phrases.

Mes sorties souhaitées est:

[1] VeriFone is not working 

Merci pour votre aide.

Answer 1

C'est une approche plutôt naïve et si vous avez beaucoup de cordes, il est probablement trop lent, mais juste donner un essai

# Get the constrol sequence IDs (probably with RegEx nicer to do...) 
    tags <- sapply(strsplit(strsplit(dd_V1,"/")[[1]][-1]," "),"[",1) 

# Define constants 
    matchSeq <- c('NNP','VBZ','RB', 'VBG') 
    totalTags <- length(tags) 
    searchLength <- length(matchSeq) 

# Loop through all subvectors and store starting points of possible matches 
    startPoints <- c() 
    for(i in 1:(totalTags-searchLength)){ 
    if(identical(tags[i:(i+searchLength-1)], matchSeq)) startPoints <- c(startPoints,i) 
    } 

# Print results, if there are any 
    if(!is.null(startPoints)) paste(dd1[startPoints:(startPoints+searchLength-1)], collapse=" ") 

Si vous trouvez plus de même emplacement, vous pouvez par exemple boucle sur le startPoints et imprime ensuite chaque séquence séparément.