पायथन 3 का उपयोग करके प्राकृतिक भाषा में लिखी गई तारीखों को पहचानना

हम कंपनी में एक ऐसी सेवा बनाते हैं जो ग्राहक और ग्राहक के पत्राचार से कानूनी तथ्य निकालती है। सेवा एक सरल विचार से बढ़ी - मेरे नियमित ग्राहकों ने प्रबंधकों के काम को आसान बनाने और एक "अनुबंध जनरेटर" बनाने का फैसला किया। पहला काम - ग्राहक और ग्राहक के विवरण को अनुबंध में खींचने के लिए, हमने आसानी से निर्णय लिया।

एक दूसरा विचार आया - पत्राचार में तारीखों को देखने के लिए और उन्हें संदर्भ, दस्तावेजों के संदर्भ में स्वचालित रूप से सम्मिलित करने के लिए।

हालांकि, लोग चैट और इंस्टेंट मैसेंजर में शायद ही कभी तारीखें लिखते हैं ताकि एल्गोरिथ्म उन्हें आसानी से पहचान सके।

"हम अगले सप्ताह शुरू करते हैं", "यह शुक्रवार" - अगर प्रबंधकों को सही प्रारूप में तारीखें लिखना सीखना आसान है, तो आप ग्राहकों पर ऐसी मांग नहीं कर सकते।

मैं अजगर और अजगर में लिखता हूं तुरंत बचाव के लिए आया एनएलपी-लाइब्रेरी स्पासी * - एनईआर (नाम इकाई मान्यता) मॉड्यूल जो आसानी से अंग्रेजी बोलने वाले ग्राहकों के साथ पत्राचार से तारीखों को पुनः प्राप्त करता है। परिणामस्वरूप, हमें सापेक्ष तिथियों का एक समूह मिला: "दो सप्ताह में", "शुक्रवार", "यह शुक्रवार", "यह दोपहर", "दोपहर का समय"।

लेकिन इन तिथियों को उन वस्तुओं में कैसे अनुवाद किया जाए जो सेवा मानती हैं (डेटाटाइम ऑब्जेक्ट)?
"मानव पठनीय तारीखों के पार्सिंग" के क्षेत्र में एक लंबी यात्रा शुरू हुई। परिवेश का सर्वेक्षण करने पर, मुझे केवल तीन अजगर पुस्तकालय मिले जो तुरंत और बिना पीड़ा के काम करते थे: ये हैं टाइमफमैन **, डेटपरेज़र *** और डेटफ़ाइंडर ***।

चित्र तीन पुस्तकालयों की तुलना दिखाता है:



सामान्य तौर पर, यह स्पष्ट है कि टाइमफ्यूमन, ध्यान से खराब नहीं हुआ, अधिक सुविधाजनक निकला, हालांकि डेटपर के मुकाबले बड़ी संख्या में झूठी सकारात्मकता के साथ, जो ज्यादातर लोग उपयोग करते हैं।
"फ्राइडे" पार्स करने वाले डेवलपर्स का एक दिलचस्प तर्क भविष्य के समय को टाइमफ्यूमन के मामले में और आखिरी शुक्रवार को डेटपर में दिया गया है।

सामान्य तौर पर, टाइमफ्यूमन अधिक जीवित निकला और प्रोटोटाइप के आगे के विकास और परीक्षण के लिए चुना गया।

* spacy.io
** github.com/alvinwan/timefhuman
*** github.com/scrapinghub/dateparser
**** github.com/akoumjian/datefinder