假设我有一个这样的句子：
嗨，孩子们怎么样。我下周五要去洛杉矶，下周一回来。
如果今天的日期是 10 月 16 日（星期三），那么下周五就是 10 月 25 日。后面的句子说这个人将在下周一回来。我们知道他们指的是下周五之后的周一，即 10 月 28 日。如果我使用 dateutil 库，那么它将对星期五和星期一进行分类，但它不会考虑星期五之前的下一个或我们所说的下一个星期一。
我正在考虑创建一个解决方案，将句子分成单词，然后检查实际日期之前的内容。但是，我不仅想捕捉这种类型的时间副词，还想捕捉其他时间副词。例如，第二天、本周四、从今天起 2 天等。如何构建一个框架来检测这些类型的日期文本，然后打印出它们各自的日期？
如果你有足够的数据来训练机器学习模型，我相信 LSTM 就是你所需要的。长短期记忆 ( LSTM ) 是一种用于深度学习领域的人工循环神经网络 (RNN) 架构。
LSTM 网络非常适合基于时间序列数据进行分类、处理和预测，因为时间序列中的重要事件之间可能存在未知持续时间的滞后。
最初，您可以使用Pandas LSTM库，然后使用 Python Tensorflow库从头开始设计它。查看以下链接：
只有当你有足够的数据量时，LSTM才会在这里工作。
您还可以寻找构建一个解析器，它将在句子中查找与日期相关的单词，例如天数，然后与前一个和下一个单词关联以找出确切的关系。此解析器解决方案会更容易，因为日期名称中的股票数量非常有限。