问题标签 [dependency-parsing]

我正在探索 spacy nlp python 库。我有这个：

Spacy 解释说，“professor”是“is”的一个属性（'attr'）。

1. 究竟什么是属性？

2. 我在哪里可以找到此类信息？

3. 在不同的语法上下文中是否还有其他“attr”示例？

我正在探索惊人的 python 库，我得到了这个：

token_pos=[token.pos_ for token in spacy_doc] token_tag=[token.tag_ for token in spacy_doc] token_dep=[token.dep_ for token in spacy_doc]

token_pos

令牌标签

token_dep

树

问题：我对“管理”和“去”之间的依赖关系感到困惑。这是一个“conj”。(1) 这是分类错误吗？如果是分类错误，那么正确的分类是什么？如果不是，你能解释为什么会这样吗？Spacy 将此解释为“连词”：（2）有没有办法将这种情况与下面的情况区分开来？

根据斯坦福依赖手册：

连词是由并列连词连接的两个元素之间的关系，例如“and”、“or”等：

“比尔大而诚实”</p>

“他们要么滑雪，要么单板滑雪”</p>

conj（大，诚实）

conj（滑雪，滑雪板）

现在看最后一句话：

“ski”和“snowboard”之间的关系依赖也是“conj”，在这种情况下，它似乎是正确的分类。

我需要识别与动词相关的所有依赖标签。到目前为止，我已经确定：

1. '根'

2. 'xcomp'

3. '辅助'

还有其他人吗？

我正在使用 spacy 的依赖解析。我对这两个非常相似的句子感到困惑。

第 1 句：

请注意，这句话中的“father”显然是“father was a nice guy”的主语：

第 2 句：

这是上一句的一个小变化。“父亲”不再是主题。

我试图了解 spacy 如何对句子进行分类。第二种情况是错误分类错误吗？我的意思是“父亲”仍然应该是主题吗？

我一直在尝试使用动词时态和情绪为 spacy 匹配器制作特定的模式。
我发现了如何使用 model.vocab.morphology.tag_map[token.tag_] 访问用 spacy 解析的单词的形态特征，当动词处于虚拟语气模式（我感兴趣的模式）时，它会打印出类似这样的内容：

{'Mood_sub'：真，'Number_sing'：真，'Person_three'：真，'Tense_pres'：真，'VerbForm_fin'：真，74：100}

但是，我想要一个像这样的模式来重新标记特定的动词短语：pattern = [{'TAG':'Mood_sub'}, {'TAG':'VerbForm_ger'}]

对于像“Que siga aprendiendo”这样的西班牙语短语，“siga”在其标签中具有“Mood_sub”=True，而“aprendiendo”在其标签中具有“VerbForm_ger”=True。但是，匹配器没有检测到这个匹配。

谁能告诉我为什么会这样以及我该如何解决？这是我正在使用的代码：

我正在尝试制作一种能够识别名词后跟形容词时的spacy模式，如下所示：

模式 = [{'POS':'NOUN'}, {'POS':'ADJ'}]

但是，我试图在形容词不是动词的分词形式的情况下例外。我的例子是西班牙语，所以我很抱歉。例如，我想查找并重新标记诸如“institución educativa”之类的东西，而不是“institución comprometida”，因为“comprometida”的标签中有 VerbForm_part=True。

我尝试添加以下内容，但它只会使模式在'institución educativa'这样的情况下停止工作：pattern = [{'POS':'NOUN'}, {'OP':'!', 'TAG':' VerbForm_part'}, {'POS':'ADJ'}]

我也试过：pattern = [{'POS':'NOUN'}, {'POS':'ADJ', 'TAG': not 'VerbForm_part'}]

总之，我需要将名词后跟形容词组合在一起，但只有某些类型的形容词，并根据它们的 TAG 属性“VerbForm_part”排除其他形容词

Spacy 有没有办法做到这一点？它是否支持其模式中的异常？

谢谢！

我正在研究命名实体及其属性提取。我的目标是提取与句子中特定实体相关的属性。

例如 - “患者报告对 ABC 疾病呈阳性”

在上面的句子中，ABC 是一个实体，Positive 是一个定义 ABC 的属性。

我正在寻找一种简洁的方法来提取属性，我已经制定了一个提取实体的解决方案，该解决方案可以以相当高的准确性无缝工作，现在正在处理问题陈述的第二部分以提取其相关属性。

我尝试使用基于规则的方法提取属性，该方法提供下降结果但具有以下缺点：

• 源代码难以管理。
• 它一点也不通用，也很难管理新场景。
• 耗时的。

为了描绘一个更通用的解决方案，我探索了不同的 NLP 技术并发现依赖树解析是一种潜在的解决方案。

寻找有关如何使用 Python/Java 进行依赖树解析来解决此问题的建议/输入。

随意提出任何其他可能有帮助的技术。

当要解析的文档包含多个句子时，我有一个关于格式化依赖解析模块的输出的查询。

Stanza 手册（ https://stanfordnlp.github.io/stanza/depparse.html ）中使用依赖解析模块的示例之一如下：

这个例子只包含一个句子。我想为包含多个句子的文档修改此代码。更具体地说，我想修改代码，以便所有行都包含对相关句子编号的引用。

以下是我自己想出的：

这似乎工作正常。但是，鉴于我没有编写代码的经验，我非常感谢知道我的想法是否可行，或者您是否会建议做一些不同的事情。

提前感谢您的时间和帮助。

我正在尝试将 allennlp 预测器用于 biaffine 解析器。这是代码： -

但是，我收到此错误：-

我正在尝试在以下句子中的https://corenlp.run/中执行 Semgrex 以提取转换事件。由于依赖关系“obl:from”中有一个冒号，我得到一个错误。但相反，如果我使用 nsubj，我会得到想要的结果。有人可以告诉我如何解决这个问题吗？

我的文字：当驾驶员处于控制状态时，汽车应将状态从关闭变为开启。

工作场景截图 问题场景截图