我正在为法语使用斯坦福解析器（版本 3.6.0）。我的命令行是
java -cp stanford-parser.jar:* edu.stanford.nlp.parser.lexparser.LexicalizedParser -maxlength 30 -outputFormat conll2007 frenchFactored.ser.gz test_french.txt > test_french.conll10
但我没有得到输出中的函数，请参阅：
1 Je _ CLS CLS _ 2 NULL _ _
2 管理 _ VV _ 0 根 _ _
3 德 _ PP _ 2 空 _ _
4 个 _ NN _ 3 个 NULL _ _
5. _ PUNC PUNC _ 2 NULL _ _
我在命令行中会错过什么？
您的命令没有任何问题：
已知的格式有：oneline、penn、latexTree、xmlTree、words、wordsAndTags、rootSymbolOnly、dependencies、typedDependencies、typedDependenciesCollapsed、collocations、semanticGraph、conllStyleDependencies、conll2007。最后两个都是制表符分隔值格式。后者有更多用下划线填充的列。[...]
资料来源： http: //nlp.stanford.edu/nlp/javadoc/javanlp/edu/stanford/nlp/trees/TreePrint.html
你可以试试另一个-outputFormat。
Stanford CoreNLP 3.6.0 中有一个基于深度学习的法语依赖解析器。
在此处下载斯坦福 CoreNLP 3.6.0：
http://stanfordnlp.github.io/CoreNLP/download.html
还要确保获得该页面上也提供的法国模型罐。
然后运行这个命令来使用法语依赖解析器，确保你的 CLASSPATH 中有法语模型 jar：
java -Xmx6g -cp "*:stanford-corenlp-full-2015-12-09/*" edu.stanford.nlp.pipeline.StanfordCoreNLP -props StanfordCoreNLP-french.properties -file sample-french-document.txt -outputFormat text
您的查询很好，但斯坦福解析器尚不支持此功能（版本 3.6.0）。
以下代码在使用法国模型时打印“false”。您正在使用的命令在内部对此进行检查，并在错误时悄悄地避免分析。
System.out.println(
LexicalizedParser
.loadModel("frenchFactored.ser.gz")
.treebankLanguagePack()
.supportsGrammaticalStructures()
);
这就是我使用 Malt 解析器 ( http://www.maltparser.org/ ) 的原因。
如果您喜欢以下输出：
1 Je Je C CLS null 2 suj _ _
2 mange mange V V null 0 root _ _
3 des des P P null 2 mod _ _
4 pommes pommes N N null 3 obj _ _
5 . . P PUNC null 2 mod _ _
然后使用下面的代码生成它（不能简单地使用命令行）。我正在使用斯坦福和麦芽来完成这个：
LexicalizedParser lexParser = LexicalizedParser.loadModel("frenchFactored.ser.gz");
TokenizerFactory<CoreLabel> tokenizerFactory = PTBTokenizer.factory(new CoreLabelTokenFactory(), "");
ConcurrentMaltParserModel parserModel = ConcurrentMaltParserService.initializeParserModel(new File("fremalt-1.7.mco"));
Tokenizer<CoreLabel> tok = tokenizerFactory.getTokenizer(new StringReader("Je mange des pommes."));
List<CoreLabel> rawWords2 = tok.tokenize();
Tree parse = lexParser.apply(rawWords2);
// The malt parser requires token in the MaltTab format (Connll).
// Instead of using the Stanford tagger, we could have used Melt or another parser.
String[] tokens = parse.taggedLabeledYield().stream()
.map(word -> {
CoreLabel w = (CoreLabel)word;
String lemma = Morphology.lemmatizeStatic(new WordTag(w.word(), w.tag())).word();
String tag = w.value();
return String.join("\t", new String[]{
String.valueOf(w.index()+1),
w.word(),
lemma != null ? lemma : w.word(),
tag != null ? String.valueOf(tag.charAt(0)) : "_",
tag != null ? tag : "_"
});
})
.toArray(String[]::new);
ConcurrentDependencyGraph graph = parserModel.parse(tokens);
System.out.println(graph);
从那里，您可以使用以下方式以编程方式遍历图形：
graph.nTokenNodes()
如果您使用 Maven，只需将以下依赖项添加到您的 pom 中：
<dependency>
<groupId>org.maltparser</groupId>
<artifactId>maltparser</artifactId>
<version>1.8.1</version>
</dependency>
<dependency>
<groupId>edu.stanford.nlp</groupId>
<artifactId>stanford-corenlp</artifactId>
<version>3.6.0</version>
</dependency>
奖金：进口
import org.maltparser.concurrent.ConcurrentMaltParserModel;
import org.maltparser.concurrent.ConcurrentMaltParserService;
import org.maltparser.concurrent.graph.ConcurrentDependencyGraph;
import org.maltparser.concurrent.graph.ConcurrentDependencyNode;
import org.maltparser.core.exception.MaltChainedException;
import edu.stanford.nlp.ling.CoreLabel;
import edu.stanford.nlp.ling.WordTag;
import edu.stanford.nlp.parser.lexparser.LexicalizedParser;
import edu.stanford.nlp.process.CoreLabelTokenFactory;
import edu.stanford.nlp.process.Morphology;
import edu.stanford.nlp.process.PTBTokenizer;
import edu.stanford.nlp.process.Tokenizer;
import edu.stanford.nlp.process.TokenizerFactory;
import edu.stanford.nlp.trees.Tree;
额外：fremalt-1.7.mco 文件