java - 使用斯坦福类型解析器从文本文件中提取名词短语

Question

我有一个文本，我想从中提取名词短语。我可以很容易地为我拥有的文本获取类型化的解析器，但想知道如何提取文本中的名词短语？

Answer 1

您可以使用以下代码从树中提取名词短语。它假设您已经解析了存储在parse中的句子（即 parse 是 LexicalizedParser 类应用方法的输出）

public static List<Tree> GetNounPhrases()
{

    List<Tree> phraseList=new ArrayList<Tree>();
    for (Tree subtree: parse)
    {

      if(subtree.label().value().equals("NP"))
      {

        phraseList.add(subtree);
        System.out.println(subtree);

      }
    }

      return phraseList;

}

Answer 2

也试试这个链接。我不确定 stanford pos tagger 和 corenlp 中可用的 tagger 是否相同，但我发现这个链接更有用。

在 PoS 标记之后，您将不得不检测这样的模式 （形容词 | 名词）*（名词介词）？（形容词 | 名词）* 名词

试试这个链接，了解有关名词短语检测的一些详细信息。

Answer 3

您可以使用 Stanford Core NLP 进行 POS 标记。您可以在http://nlp.stanford.edu/software/corenlp.shtml#Usage找到一个示例代码，这可能是一个很好的实验起点。您需要将 tokenize、split 和 pos 作为属性。这将输出带有相应标签的标记列表。

整个标签列表可以在http://www.ling.upenn.edu/courses/Fall_2003/ling001/penn_treebank_pos.html 查看。所有的名词标签都以 NN 开头。执行此检查将为您提供所需的令牌。