问题标签 [stanford-nlp]

我正在解析一个数据集，其中人们仅使用尖括号作为标点符号，并且从未（曾经）发生实际标记。

有没有办法改变解析器的功能，而不是调用

一个令牌，我们可以得到

这似乎是一个相当简单的问题，但我无法在文档中或通过查看代码找到简单的修复。

提前致谢！

PS 还有其他我应该注意的以这种方式表现的角色吗？

这可能是一个非常琐碎的问题。我正在尝试通过此处给出的 nltk 使用 stanford pos tagger问题是我的 nltk 库不包含 stanford 模块。因此，我将其复制到相应的文件夹中并进行了相同的编译。现在，当我尝试运行一个示例时，模块被检测到，而不是模块内的类。谁能告诉我哪里出错了？？同样，这可能非常愚蠢。

我使用 py_compile 来编译 stanford.py 文件。我错过了什么吗

所以，我发现并且目前正在使用斯坦福解析器，它非常适合分割句子。我们的大部分句子都来自 AP，因此它非常适合该任务。

以下是问题：

• 它消耗大量内存（600M 很多）
• 它真的搞砸了正文的格式，我必须在以后制作很多边缘案例。（文档预处理器 API 调用不允许指定 ascii/utf8 引号——它们立即转到乳胶样式，缩略词（显然）被分成不同的单词，并且虚假的空格被放在不同的地方）

为此，我已经编写了多个补丁来弥补我真正不应该做的事情。

基本上它的使用与拆分句子的问题一样大。

我还有哪些其他选择？任何其他 NLP 类型的框架可能会有所帮助？

我最初的问题是能够以很高的概率检测句子边缘。

我想用另一种尚未实现的语言使用斯坦福解析器。

我查看了网站，但没有发现任何可以帮助我的东西。

我想我要做的就是“只是”创建一个新的语言PCFG.ser，但要做到这一点？

另外，如果有人知道是否应该发布法语和西班牙语？

我正在使用斯坦福的 NLP 解析器 (http://nlp.stanford.edu/software/lex-parser.shtml) 将一段文本拆分为句子，然后查看哪些句子包含给定的单词。

到目前为止，这是我的代码：

我使用“java TokenizerDemo testfile.txt wall”从命令行运行代码

testfile.txt 的内容是：

所以我希望程序检测第一句中的“墙”（“墙”作为命令行中的第二个参数输入）。但是该程序没有检测到“墙”，因为它从不打印“是！”。程序的输出是：

来自斯坦福解析器的 DocumentPreprocessor 正确地将文本拆分为两个句子。问题似乎与使用 equals 方法有关。每个单词都有类型“edu.stanford.nlp.ling.Word”。我已经尝试访问该单词的底层字符串，因此我可以检查该字符串是否等于“wall”，但我不知道如何访问它。

如果我将第二个 for 循环写为“for (Word word : sentence) {”，那么我会在编译时收到不兼容的类型错误消息。

使用斯坦福 NLP 解析器 JAR 文件时，我不断收到相同的错误。

代码：

错误：

用法：关系树库 numberRanges

这是一个错误还是有什么方法可以解决这个问题？谢谢！

假设我有以下 Penn Tree：

诸如此类的缩写是什么VP意思SBAR？我在哪里可以找到这些定义？这些缩写叫什么？

使用机器翻译，我可以获得一个非常压缩的句子版本，例如。我真的很想喝一杯美味可口的咖啡会被翻译成我想要咖啡 是否有任何 NLP 引擎提供这样的功能？

我得到了一些研究论文，这些论文进行了副相生成和句子压缩。但是有没有任何图书馆已经实现了这一点？

当我自己构建 Core-NLP 时，我收到以下消息：

违规行：

违规功能：

我真的不知道如何解决这个问题。我正在尝试使用 Maven 构建 CoreNLP，以便可以在我的项目中轻松使用它。想法？

说我有一句话：

在我的程序中，我得到以下输出：

我如何将不在一个子句中的东西合并成一个独立子句？像这样：

我很确定我不清楚，但基本上我想提取句子的独立子句和从属子句，以及这些子句的子句。