问题标签 [dependency-parsing]

我正在使用相同的斯坦福 CoreNLP (3.8.0) 管道分析以下两个句子。

我不明白为什么即使句子在语法上相同，依赖解析器也会构建不同的树。有没有办法强制一致性？

示例 1

这些被解析为以下内容：

示例 2

这是另一个使用引入名词短语的同一句子的变体的示例。

这是我运行 corenlp 服务器的方式

我正在为我的一个项目使用 coreNLP 的依赖解析。基本依赖和增强依赖是特定依赖的不同结果。我使用以下代码来获得增强的依赖关系。

对于以下示例，

我使用简单的 API 来获取基本依赖项。我在（帐户，名称）之间得到的依赖是（复合）。但是当我使用上面的代码来获得增强的依赖关系时，我得到（帐户，名称）之间的关系为（dobj）。

有什么办法解决这个问题？这是一个错误还是我做错了什么？

我了解该模型在其配置阶段使用先前训练的词性标记。但是如果大部分单词都是新的，那么解析器将如何决定它的操作呢？

我正在尝试用土耳其语训练 CoreNLP 基于 NN 的依赖解析器。我在解析器的文档中找到了以下命令：

我无法完全弄清楚 modelOutputFile 是什么。文档中说明这个文件是在训练阶段编写的。modelOutputFile 是我应该创建的预生成文件还是只是一个将在训练阶段自动写入的空文件？

任何帮助将不胜感激，谢谢！

给定组成词的括号符号，有没有办法将它转换成它的依赖树？

进入

我想在不使用词标记化的情况下使用 spacy 的 POS 标记、NER 和依赖项解析。事实上，我的输入是代表一个句子的标记列表，我想尊重用户的标记化。这是否可能，无论是 spacy 还是任何其他 NLP 包？

现在，我正在使用这个基于 spacy 的函数以 Conll 格式放置一个句子（一个 unicode 字符串）：

我想在输入令牌列表时做同样的事情......

我正在使用 corenlp 包对 R 中的用例进行依赖项解析。但是，我需要针对特定​​用例调整数据框。

我需要一个数据框，其中包含三列。我已经使用下面的代码到达依赖树。

使用带有以下代码的 POS 标记，我最终得到了以下数据框。

如果动词（动作词）附加到非动词（非动作词），但非动词（非动作词）连接到其他非动词（非动作词），则一行应指示整个连接。例如：generate 是一个连接到数字的动词，而 numbers 是一个连接到奇数的非动词。

所以预期的数据框需要是

我想研究使用 NLP 来检测负面/非建设性评论，即那些在网上讨论政治时经常出现的评论。我很想知道，如果给出这样的句子：

你是个自由派的笨蛋。克林顿作为总统的不当行为正在毁掉美国。

是否不仅可以使用 NER 推断实体（你，克林顿），还可以获得关于每个实体的陈述树：

NLP可以做到这样的事情吗？

在尝试使用此处描述的 L2 正则化实现交叉熵损失A Fast and Accurate Dependency Parser using Neural Networks时，我得到了错误：ValueError: Cannot feed value of shape (48,) for Tensor u'Placeholder_2:0', which has shape '(48, 1)在训练的几个步骤中得到负损失后。我的损失如下：

并且是第0步的负值。我相信我的问题是一些标签是-1并且应该被忽略，如论文中所述：“一个轻微的变化是我们仅在实践中的可行转换中计算softmax概率”。在计算损失时，我将如何忽略这些标签？

目前我正在尝试构建语法感知的 NMT 模型。
在这个项目中，我需要三个转换动作之一的序列（SHIFT、REDUCE-L、REDUCE-R）

类似于图像中 的

此块表示 2 个句子的基于转换的依赖关系（1 表示 1 个块被空行分割）

我使用Syntaxnet首先获取依赖项解析树，但它不直接提供转换操作序列。
其结果如下，

b

是否有可能获得类似于此图像的动作序列？是否可以将从此图像中获得的内容转换为原始图像的格式。