前台用户输入一句话，假设用户输入的可能有时间、日期、高血压、低血压。但是这些顺序是打乱的，而且时间可能是重复的。我们需要的数据：用户的时间、日期、低血压值、高血压值
有2个问题：
时间问题：用户输入的时间是打乱的并且是重复的而且很可能是不完整的
血压问题：不能确定会出现关键词例如“血压”、“高”，“低”等词
举例：时间和日期不是是连在一起的,时间和血压数据混合,而且顺序不一样
2021年测试高血压是138，时间是2点45，低血压是44
昨天测试血压是178/89在19点56
我的想法：将这句话中所有的日期信息提取出来，剩下的数字就是血压的信息了。
我目前是做了hanlp的单纯的分词和打印词性：
粗分结果[ /w, 2005/m, 年/qt, 10月/t, 12/m, 日/b, 9/m, :/w, 00/m]。结果并不理想。我们无法获取到日期和时间信息的nt的标注结果
初次接触nlp，希望个位大佬指导。是要用到什么技术才能实现我说的，是训练模型还是？或者hanlp达不到我说，大佬们还有没有其他的方法
你这个叫Slot-filling
我看了一下，这个要涉及到RNN之类的，我们现在需要比较急的出结果，我没了解过这方面的，时间来不及了。不过后面需要优化，可以具体的说一下吗？谢谢
大神，目前我们需要处理大量数据，框架用的是kafka+sparkstreaming，我看有些分析帖子说2.x的稳定性不如1.x好。因为我们是用在生产环境的大量数据环境，所以需要考虑这个问题
2. 还有一些时间词【5.1 、劳动节、晚饭后】这种的识别不了，如何才能让他们识别为时间呢？我看书上有模型训练和序列标注和特征提取之类的。我需要怎么做才能达到目的呢？或者说在第几章可以学到 ，因为要的比较急。
3. 我在其他的贴子上看【 对比1.x与2.0对时间词分词结果产生的一点疑惑】好像可以将这些时间识别在一起，但是我的分词结果不行。因为我买了《自然语言处理入门》的书，这个是针对1.x版本的，才看到第2章，不知道怎么做才可以达到这个帖子上的效果？
4. 将所有的时间截取来之后，有没有办法将他们合起来转化为标准的时间
2.x处于alpha阶段，有些版本在试验各种新模型，的确曾经不稳定过。但现在2.1-alpha已经比较稳定了，论坛上有许多用户表示已经生产部署了，官网线上也跑了几个月了。下一个长假应该会整理一下，发布beta版。
你可以看命名实体识别（NER）那章，训练一个针对“2点45、5.1”这样的NER模型。但我认为“劳动节、晚饭后”用统计模型是大材小用。这些词语数量是有限的，基本没有歧义，只要出现了一定代表时间。所以你可以通过自定义词典或AC自动机（第二章）枚举出来，赋予t词性。总之，取决于不同时间词是否存在歧义，具体问题具体分析。
用2.x吧，例子：https://play.hanlp.ml/run/ner-time-dict
剩下的就是写规则了，应该有许多实现。我不知道质量所以不推荐了。任何程序员都能写：
目前没有问题了，谢谢大神