问题标签 [tagged-corpus]

请问有人知道免费的阿拉伯语标记语料库吗，因为我正在研究语法，我需要一个。
非常感谢。哈尼·阿尔穆斯利......

我正在寻找一个免费的标记语料库，用于训练命名实体识别的系统。我发现的大多数（比如纽约时报）都很贵而且不开放。任何人都可以帮忙吗？

所以，我构建了一个 NLP 程序，学习从句子中提取语义事件描述，但现在我的训练集仅限于我已经解析成语义事件组件的句子。

虽然这种方法确实可以完成工作，但它很难替代大量预先解析的文本语料库。不幸的是，我所有寻找这样一个语料库的尝试都被证明是徒劳的。

我特别需要的是一个语料库，它标记了句子中每个单词（或一组单词）的语义角色。我想到的角色示例如下：

• 代理人
• 行动
• 病人
• 乐器
• 共同代理
• 共同患者
• 地点
• 副词

如果需要更多细节，请随时询问，或参考这篇论文，该论文使用了与我的约束相同的玩具 corpa。

我对 NLTK 和 Python 还很陌生。我一直在使用示例中给出的玩具语法来创建句子解析，但我想知道是否可以使用从 Penn Treebank 的一部分中学到的语法，而不是仅仅编写我自己的或使用玩具语法？（我在 Mac 上使用 Python 2.7）非常感谢

我正在使用包含两组 .txt 文件的带注释的语料库。第一组包含被注释的文档（即文章、博客文章等），第二组包含实际的注释。将注释与注释文本匹配的方法是通过“字节跨度”。从自述文件中：

所以，问题：如何索引文档中的开始和结束字节，以便我可以将注释与原始文档中的文本相匹配？有任何想法吗？我正在用 Python 做这方面的工作......

我一直在使用许多不同的语料库进行自然语言处理，并且一直在寻找一个使用 Wordnet Word Senses 注释的语料库。

我知道可能没有包含这些信息的大型语料库，因为语料库需要手动建立，但必须有一些东西可以解决。

此外，如果不存在语料库，是否至少有一个带有语义注释的 ngram 数据库（一个词的每个定义占多少时间，或者每个 wordnet 定义的数字计数取决于词义的常见程度是）？

你能推荐一个好的语法注释工具吗？我想创建一个小型（短语结构）树库。

我知道有一些用于依赖树库的工具，brat就是其中之一。 斯坦福解析器附带解析树查看器，但据我所知，您无法创建或编辑解析树。

先感谢您！

PS：我也试过WorkFreak，看起来不错，但它欢迎我有一些运行时异常:)

我最初使用的是来自 NLTK 的以下 Penn Treebank 标记器：

但是，这在口语文本方面有所不足。例如，“你好”不应该被识别为感叹词。我从这里读到（在 NLTK pos_tag 中，为什么“hello”被归类为名词？）如果我想标记口语文本，我将“需要在整个 Penn Treebank 上训练标记器，其中包括大约 300 万个单词英语口语。” 我现在的问题是我该怎么做？我来过这里（Penn Treebank Project），但在上面找不到任何东西。

如果对整个 Penn Treebank 进行培训太难了，还有什么替代方案？我正在考虑使用 Brown 语料库，但是 POS 标签不同，这让我不得不重写程序的其他部分。

我正在使用 MPQA 意见语料库，其中注释和文档保存在单独的文件中。注释文件包含文档中的字符偏移量（字节跨度），
例如 850,861

如何将这些字节跨度匹配到文本文档中？我很感激任何想法！我更喜欢使用 Python，但 Java 中的解决方案也很好。

我正在使用 ubuntu，作为我任务的一部分，我正在做文本情感分析。我正在制作一个训练集来使用 NaiveBayes 分类器对文本进行分类，我有许多包含句子的文件并保存为 sent1.txt,sent2.txt。. . 和一个名为 label.txt 的文件

label.txt 包含 sent1.txt:pos sent2.txt:pos ... sent 15:txt:neg sent16.txt:neg

所有发送的文件和 lable.txt 文件都存储在 \home\abha 中。我试过这个

请告诉我我的第三个论点应该是什么？

我在哪里存储 label.txt 文件和发送的文件有这么愚蠢的问题。