问题标签 [conll]

我有一个 ENAMEX 格式的数据集，如下所示：

我想把它改成 CoNLL 格式：

我怎样才能做到这一点？这种格式转换是否有标准脚本？

我正在尝试使用 conllu 库创建一个 CoNLL-U 文件，作为我正在处理的通用依赖标记项目的一部分。

我在 python 列表中有很多句子。这些包含令牌、词条、POS 标签、特征等的子列表。例如：

我想自动化将这些转换为 CoNLL-U 解析句子的过程，所以我编写了以下函数：

当我尝试运行此代码时，出现以下错误：

问题是我正在尝试创建一个普通列表并在其serialize()上运行该方法。TokenList当parse()函数在 CoNLL-U 文件格式的字符串上运行时，我不知道如何创建库创建的类型。

当您尝试打印该类型的列表时，您会得到以下输出：

在这种类型的列表上运行该serialize()方法会将其重新转换为 CoNLL-U 格式字符串data，如上例所示。但是，当您尝试在普通的 python 列表上运行它时，它会中断。

如何创建一个TokenList这样的而不是普通的 python 列表对象？

我正在研究使用 CoNLL-U 格式的依赖项解析。我可以找到如何处理 CoNLL-U 解析器或标记列表，但我找不到如何将文本句子转换为 CoNLL-U 格式。

我尝试从https://github.com/datquocnguyen/jPTDP转换代码

“test”文件是conllCoverter(path)函数的输入，是“_io Text10Wrapper”格式的文件，里面包含我要转换成CoNLL-U文件的文本语句，例如： 1. 完全令人沮丧的经历。2. 额外花钱买了有网的空调。

但是，在我尝试了上面定义的 conllConverter(path) 函数后，输出只显示了 10 个原始列（看起来像 CoNLL-U 格式）和原始文本，没有任何额外信息。

最后，我想问一下如何将文本句子转换为 CoNLL-U 格式。

我正在按照pyconll的文档读取.conll文件，但出现以下错误，我不明白它的含义。该数据集应该是可读的，因为它是一个基准数据集。而且我没有看到pyconll.load_from_file()可以在文档中指定的任何其他参数。有人可以帮我吗？

另外，有没有办法.conll通过包读取文件nltk？

我尝试了以下三种我在网上找到的.conll用 Python 读取文件的方法，但只得到了我不理解的错误报告。我还阅读了有关不同类型.conll文件的信息，但我不知道哪一个是我的数据集。我怎样才能知道？是否有必要根据特定类型来实现加载.conll？有没有简单的方法来处理.conll文件？

.conll我正在从文件中提取句子作为字符串列表。上面的代码没有报任何错误，所以我认为是为每个句子提取了一些东西。然而，当我尝试打印出或为每个句子添加 POS 标签时，第 1007 个句子之后的每个句子都会出现下面的值错误。

1. 发生了什么？有没有办法查看那些提取但结构不良的句子？
2. 如何正确提取句子？我猜有些标记被表示为字符串和 OBI 的元组而不是字符串。但是对于许多句子有相同的错误报告是很奇怪的。
3. 更糟糕的是，我只能提取结构良好的句子吗？

我正在尝试将 conll 格式的数据转换为 spacy 的 json 格式来训练模型。

我正在使用 spacy 的转换。我试过这个命令

我收到一个值错误。

我删除了数据集中所有出现的“in”并再次尝试，然后我得到了同样的错误，只是略有变化。

帮我解决这个问题。我的数据集看起来像这样

我正在使用 spacy 2.3.2

我有一个句子列表，句子的每个单词都在嵌套列表中。如：

还有另一个列表，其中每个单词都对应一个实体标签。如：

这是基本的 ConLL2003 数据，但我实际上使用的是另一种语言的不同数据。我仅将这个作为示例表示。

我想将此列表列表转换为 JsonL 格式，其中格式为：

到目前为止，我已经设法将列表列表放入这种格式（json list of dicts）：

但是，这样做的问题是我想将 IOB 格式合并在一起并创建一个从头到尾的单一实体。我需要这种格式才能在 doccano 注释工具上上传数据。我需要标记为一个的复合实体。

这是我为创建上述格式而编写的代码：

我尝试将上述格式转换为我想要的格式。IE。合并 IOB 标签。这是我迄今为止尝试过的但没有奏效的方法。

这段代码的问题是我无法确定连续序列的序列长度。所以对于列表中的每个元素 k 总是稳定的。我需要 k 更改同一列表中的下一个序列。

这是我得到的错误：

我需要确定每次我应该在哪里计算 k。这里的 K 是 B 跟随 I 的序列的长度，依此类推。

我也试过这个，但这只会将两个标签合并在一起：

输出：

但我需要 3 个“杂项”标签作为索引 11 到 43 的一个标签。

对于任何想知道的人：我尝试这样做的原因是，我已经标记了一些数据并测试了原型模型，它似乎给出了很好的结果。所以我想标记整个数据集并修复错误标签，而不是从头开始注释。我想这会为我节省很多时间。

ps：我知道doccano支持以ConLL格式上传。但是它坏了，所以我不能这样上传。

我有一个经过处理的数据框，用作训练 NLP 模型的输入：

我需要将其转换为 ConLL 文本格式，如下所示：

CoNLL 格式是一个文本文件，每行一个单词，句子用空行分隔。一行中的第一个单词应该是单词，最后一个单词应该是标签。

有人知道该怎么做吗？

我知道 Python 中有CoNLL-U解析器。我只是想确认NLTK没有本地例程来解析 CoNLL-U（或其他具有依赖语法的 CoNLL 格式）。

查看代码，似乎 HEAD 和 DEP 不在conll的允许列类型中。这是非常出乎意料的，因为 CoNLL-U 现在非常流行，从大约 15 年以来，依赖语法一直是许多 CoNLL 格式的核心特性，而这种差距在任何地方都没有记录，所以我很确定我忽略了一些东西。