问题标签 [syntaxnet]

在浏览完代码之后......我可以将流程理解为......

在 parser_eval.py

并通过我发现的 gen_parser_ops.py

但我不明白下面的代码是如何将文档保存到文件中的。

如果有人可以帮助我提供有关如何使用 TensorFlow 的 op_def_lib 的小示例，那将是一个很大的帮助。

执行一些示例语法网络脚本（如parse.sh）后，我收到text-conll格式的输出。我的目标是获取一些功能并将它们带到下一个网络。nltk.corpus.reader.ConllCorpusReader一种可能的选择是使用类似于python 对象的东西来解析文本输出。但对我来说有趣的是：

有可能通过一些代码修改从 SyntaxNet 获得不是文本，而是与解析结果相关的 Python 对象？

我发现在parser_eval.py第 133-138 行 syntaxnet 已经获取了结果的文本版本。

但是我无法从该文本生成的对象以及生成方式中找到该位置。

有没有办法添加用户定义的词汇来提高 Parsey McParseface 的 pos-tagging 性能？

换句话说，我怎样才能把新造的词教给我的 parsey 的表弟？

我知道我可以手动将带有新词汇的 CONLL-U 格式的句子添加到我的训练语料库中……但这可能需要很长时间。

我尝试使用NLTK DependencyGraph从 CoNLL 输入中获取依赖树。我的理解是，这个类提供了一个tree() method构建树结构的依赖关系，没有relationbetweenhead和dependents。树也没有 POS 标签。还有一个三元组（） method，它为头部、关系和依赖项提供 POS 标签。使用三元组方法，当一个词在句子中重复时，我很难得到依赖项，the red car is behind the blue car因为这个词的索引不在三元组中。在这里，对于同一个单词，我们有 2 个不同的节点car。

那么如何从 CoNLL 输入一个带有头词、它的标签、关系、孩子的依赖树。它也可以是一个类似的数据结构，其中可以找到给定句子的信息（中心词、其标签、关系、子项）。欢迎提出任何建议。下面是一个可以用来启动的代码。

按照此处的说明为西班牙语-Ancora UD 语料库训练我自己的 SyntaxNet 模型并没有给我错误。

在所有步骤之后，它创建的最终文件是：

用于训练的 context.pbtxt 文件是来自 syntaxnet/models/parsey_universal 的文件。

然后，当我尝试parser.sh从 syntaxnet/models/parsey_universal 调用测试它时返回几个错误：

然后我从这里下载了西班牙预训练模型。我检查了文件。似乎有两个文件丢失，预训练模型默认有它，但在我训练的那个文件中，这些文件丢失了。

所以我的问题是如何在 SyntaxNet 训练阶段获取这些文件？
还有其他方法可以生产它们吗？
我应该以不同的方式对其进行测试吗？

我是新手Syntaxnet。我遵循了基本教程，安装了 syntaxnet 并修改了syntaxnet/demo.sh文件并将以下代码添加到context.pbtxt文件中：

这仅有助于将test.txt文件作为输入，现在我想提供一个文件文件夹，即包含 100 个文件的文件夹作为输入并对其进行处理。我试图将文件夹作为输入，但失败了。我用谷歌搜索了它，但找不到任何有用的东西。那么任何人都可以让我知道如何使用 syntaxnet 处理文件夹中的多个文件吗？

我已经安装了 Syntaxnet 并解析了一些示例文件。我计划创建一个使用 Syntaxnet 解析输入文档的 C++ 应用程序。我搜索是否可以使用 Syntaxnet Net C++ API，但找不到。任何人都可以就如何使用 Syntaxnet 作为 API 提出建议。提前致谢。

我似乎无法找到有关训练数据解析的详细信息；我假设它主要是（如果不是全部的话）在陈述句上。如果这是真的，那么 Syntaxnet / parsey 可能不是命令式句子的解决方案，例如教学文本。这是准确的吗？有什么适用于命令式句子结构的吗？

您能否告诉我在训练/测试 SyntaxNet 时如何指定要使用的实例？

在其他 tensorflow 模型中，我们可以通过编辑 Python 代码轻松更改配置：

例如）tf.device('/cpu:0')=> tf.device('/gpu:0')。

我可以通过运行运行 parsey mcparseface 模型，demo.sh然后我按照符号链接查找设备配置。

demo.sh也许我错过了但是我在和parser_eval.py中找不到 gpu 配置 python 代码context.proto。

device当我在tensorflow/models中使用查询“”进行搜索时，我可以看到几个 C 文件，例如syntaxnet/syntaxnet/unpack_sparse_features.cc包含行using tensorflow::DEVICE_CPU;

那么.. 更改这些文件中的 C 代码是更改 SyntaxNet 设备配置的唯一方法吗？

我希望有一种更简单的方法来更改 Python 级别的设置。

提前致谢。

Parsey McParseface 标签映射有 46 个标签，像 mwe 这样的一些标签在Universal Dependencies或Stanford typed dependencies Docs中都找不到。

根据此处代码中的注释：

此 CoNLL 阅读器与http://universaldependencies.org/format.html中描述的 CoNLL-U 格式兼容

我在这里有点困惑，在 Syntaxnet / Parsey McParseface 中使用了哪种格式？