Stanzas实现中使用tregex进行模式匹配似乎找不到正确的子树
我是NLP的新手，目前我正在尝试从德语文本中提取不同的短语结构。为此，我使用stanza的Stanford corenlp实现，并使用tregex特性在树中进行模式切割。
到目前为止，我没有任何问题，我能够匹配简单的模式，如"NPs“或"S > CS”。不，我正在尝试匹配直接由ROOT控制的S节点，或者立即由ROOT控制的CS节点。为此，im使用模式"S > (CS > TOP) |> TOP“。但它似乎不能正常工作。我使用了以下代码：
text = "Peter kommt und Paul geht."
def linguistic_units(_client, _text, _pattern):
matches = _client.tregex(_text,_pattern)
list = matches['sentences']
print('+++++Tree++++')
print(list[0])
for sentence in matches['sentences']:
for match_id in sentence:
print(sentence[match_id]['spanString'])
return count_units
with CoreNLPClient(properties='./corenlp/StanfordCoreNLP-german.properties',
annotators=['tokenize', 'ssplit', 'pos', 'lemma', 'ner', 'parse', 'depparse', 'coref'],
timeout=300000,
be_quiet=True,
endpoint='http://localhost:9001',
memory='16G') as client:
result = linguistic_units(client, text, 'S > (CS > ROOT) | > ROOT'
print(result)在文本为"Peter kommt and Paul geht“的示例中，我使用的模式应该匹配两个短语"Peter kommt”和"Paul geht"，但它不起作用。然后，我查看了树本身，解析器的输出如下：
constituency parse of first sentence
child {
child {
child {
child {
child {
value: "Peter"
}
value: "PROPN"
}
child {
child {
value: "kommt"
}
value: "VERB"
}
value: "S"
}
child {
child {
value: "und"
}
value: "CCONJ"
}
child {
child {
child {
value: "Paul"
}
value: "PROPN"
}
child {
child {
value: "geht"
}
value: "VERB"
}
value: "S"
}
value: "CS"
}
child {
child {
value: "."
}
value: "PUNCT"
}
value: "NUR"
}
value: "ROOT"
score: 5466.83349609375我现在怀疑这是由于根节点造成的，因为它是树的最后一个节点。根节点不应该在树的开头吗？有人知道我做错了什么吗？
回答 1
Stack Overflow用户
发布于 2020-09-23 06:01:02
下面是一些评论：
1.)假设您使用的是最新版本的CoreNLP (4.0.0+)，则需要对德语使用mwt注释器。因此您的注释器列表应该是tokenize,ssplit,mwt,pos,parse
2.)为了清楚起见，这里是你在PTB中的句子：
(ROOT
(NUR
(CS
(S (PROPN Peter) (VERB kommt))
(CCONJ und)
(S (PROPN Paul) (VERB geht)))))正如您所看到的，根是树的根节点，因此您的模式在此句子中不匹配。我个人发现PTB格式更容易看到树结构，也更容易写出Tregex模式。您可以通过json或文本输出格式(而不是序列化对象)来获取。在客户端请求集output_format="text"中
3.)下面是关于使用Stanza客户端的最新文档：https://stanfordnlp.github.io/stanza/client_properties.html
https://stackoverflow.com/questions/64016461
复制相似问题
腾讯云开发者
