问题标签 [part-of-speech]

我想使用 Minipar 解析器、POS 模块，尤其是代词解析解析器（共指解析）。我使用的是 Windows 10，我下载了包含 Minipar 的 GATE 版本：GATE_Developer_8.1。我遵循了用户手册，但无法在 GATE 界面中运行解析器。有人可以提供一些帮助吗？谢谢你。

我已经尝试过Parsey McParsefaceSyntax Net 附带的预训练 POS 标记器，它在标记具有适当大小写的句子方面做得很好。

我想标记所有小写的句子，例如：i grew up in toronto然后解析它以识别命名实体，例如城市，在这种情况下，toronto。

我有一些问题：

• 我可以使用针对 SyntaxNet的预训练不区分大小写的 POS 标记器吗？
• 我应该如何为 SyntaxNet训练自己的不区分大小写的 POS 标记器？
• 训练 SyntaxNet POS 标记器是否需要大量的 CPU/GPU 能力，或者可以在我可以在亚马逊或类似服务上租用的常规服务器上完成？
• 谷歌用来训练的数据集是否Parsey McParseface可供公众使用？

我需要一个简单的英文 POS 标记程序，仅在 c# 中实现。

给定一些 Penn Treebank 以这种格式标记的文本：

“大卫/NNP Short/NNP 会/MD 主席/VB/DT 会/NN./。/DT 男孩/NN 坐/VBZ 上/IN/DT 主席/NN./。”

我想生成一个以单词为键的多级字典，并计算它出现的频率被标记为每个 POS 所以我们有 ['Chair, VB : 1, NN : 1', 'The, DT : 3' ，] ETC。

我想我可以使用正则表达式来提取单词和相应的词性。

但是无法弄清楚如何将它们组合在一起来为单词及其相应的 POS 出现输入条目。

想法？

我正在尝试在 Keras 的帮助下使用神经网络实现词性标注器。

我使用的是顺序模型，以及来自 NLTK 的 Penn Treebank Corpus 的训练数据（即来自 nltk.corpus 导入树库）。据我了解，与 Keras 形成神经网络包括以下步骤：

• 加载数据
• 定义 -> 编译 -> 拟合模型
• 评估模型

具体来说，我不确定如何预处理标记的训练数据以便在我的模型中使用它？这些标记数据来自nltk的语料库，它们是键值对，key是英文单词，value是对应的词性标签。

确切地说，我不知道如何在以下代码中的“数据”和“标签”变量中排列数据：

model.fit(data, labels, nb_epoch=50, batch_size=32)

有人可以给我一些提示吗？非常感谢您的宝贵时间，非常感谢您的帮助！

Spacy 包括noun_chunks检索名词短语集的功能。该功能english_noun_chunks（附在下面）使用word.pos == NOUN

我想从一个保持一些正则表达式的句子中获取块。例如，I 短语由零个或多个形容词组成，后跟一个或多个名词。

是否有可能不覆盖该english_noun_chunks功能？

我正在测试斯坦福 NLP POS Tagger，我得到的结果好坏参半。

给我以下输出

我该如何处理这样的问题？它实际上重新排列了相同的单词。

编辑

也许，我应该解释一下这个问题。

我想比较2个句子。我的方法是对两个字符串执行 POS，然后分别比较两个字符串中的名词/形容词/动词并进行评分。

但是由于基于单词顺序的模糊标记（也由@Elliott 引用），我的排名在某些情况下会失败。有人可以提出解决方法吗？

是否有分类统计数据可以给出分类为形容词或动词等的名词的概率，我可以在我的评分算法中使用它来提供权重？

谢谢查哈特

我一直在试图弄清楚如何使用词性标记的“标记”结果。目前我有这个测试代码：

当我运行它时，它会返回：

这一切都很好。但我希望能够使用此结果，但我不知道如何使用。如何检查“测试”变量是否包含“VBG”标签？有没有办法检查“测试”的值？我试着做这样的事情：

但这无济于事。你如何找到一个单词/字符串/属性是否在“测试”的结果中？谢谢。

几天来，我一直在尝试改进 NLTK 上的 POS 标记器，但我无法弄清楚。现在，默认标记器确实不准确，并且将大多数单词标记为“NN”。如何改进标记器以使其更准确？我已经查找了训练标记器，但我无法让它工作。

有人有一个简单的方法吗？多谢。

我正在使用 Google NL API 的注释语法方法并使用 Brat 来可视化响应。我在哪里可以找到 Google NL API 中使用的单词和依赖关系的“标​​签”或“标签”的确切列表。

“partOfSpeech”：{“标签”：“ADJ”，

“dependencyEdge”：{“headTokenIndex”：9，“标签”：“AMOD”