我们使用斯坦福 CoreNLP 已经有一段时间了，而且大部分时间它都能提供正确的结果。
但是对于某些句子，依赖解析结果会混乱。正如我们所观察到的，其中一些错误是由 POS 标记问题引起的，例如单词likeinI really like this restaurant.或单词ambientinVery affordable and excellent ambient!
是的，我们正在处理用户评论，这些评论可能与斯坦福 CoreNLP 中的训练语料库的措辞略有不同，因此我们正在考虑自己注释一些文本并与现有模型混合。对于 NER，我们已经有了自己的特殊 NE 模型，但对于 POS 标记和依赖解析，我们一无所知。
任何人都可以提供任何建议吗？
最好的办法是使用 CoNLL-U 数据。
这里有英文树库：https ://universaldependencies.org/
我们在此处训练的各种词性模型的属性文件示例（也在模型 jar 中）：
https://github.com/stanfordnlp/CoreNLP/tree/master/scripts/pos-tagger
这是一个示例词性训练命令：
java -Xmx10g edu.stanford.nlp.tagger.maxent.MaxentTagger -props custom.props
请注意，您希望使用此格式来指定用于训练和评估 CoNLL-U 文件的文件：
trainFile = format=TSV,wordColumn=1,tagColumn=3,/path/to/train.conllu
在这里，您指定使用制表符分隔的文件（每行有一个标记，换行为空行），并且您要说明哪些列分别代表单词和标签。
下面是一个训练依赖解析器的示例命令：
java edu.stanford.nlp.parser.nndep.DependencyParser -Xmx10g -trainFile <trainPath> -devFile <devPath> -embedFile <wordEmbeddingFile> -embeddingSize <wordEmbeddingDimensionality> -model nndep.model.txt.gz
要注意的一件事是UPOS标签和XPOS标签的概念。UPOS标记应位于第 3 列，而标记位于第4XPOS列。UPOS它们对所有语言都是通用的，它们XPOS是细粒度的和特定于语言的。
该-cPOS标志将告诉训练过程使用UPOS列索引 3 中的标签。如果您不添加此标志，它将默认使用列索引 4，如示例命令中所示。
如果您使用来自 GitHub 的 Stanford CoreNLP 的最新代码，此命令应该可以正常工作并使用 CoNLL-U 数据训练模型。如果您使用 3.9.2 中的代码，则需要确保将数据从 CoNLL-U 转换为 CoNLL-X。CoNLL-X 是一种较旧的样式，不包含有关多词标记的信息。
此外，为了让您的模型发挥最佳性能，您需要确保在整个应用程序中使用与训练数据一致的标记化。