Question

Penn Treebank格式没有注释名词短语的内部结构，例如

(NP (JJ crude) (NN oil) (NNS prices))

或

(NP
    (NP (DT the) (JJ big) (JJ blue) (NN house))
    (SBAR
      (WHNP (WDT that))
      (S
        (VP (VBD was)
          (VP (VBN built)
            (PP (IN near)
              (NP (DT the) (NN river)))))))

我想提取头（价格和房子）。你知道任何可以做到这一点的工具吗？

Answer 1

Michael Collins dissertation（附录A）包括Penn Treebank的寻找规则，这些规则工作得相当好并且难以实施。然而，它们远非完美，因为它不是最简单的任务。

David Vadas和James Curran关于Penn Treebank中NP结构的工作也可能是相关的：

David Vadas's website附加NP注释：
论文：
- Adding Noun Phrase Structure to the Penn Treebank
- Parsing Noun Phrases in the Penn Treebank

Answer 2

正如aab所建议的那样，简单的确定性头部发现规则可以很好地工作（也可以参考Magerman或Charniak针对类似方法的头部发现规则）。

您还可以考虑从组成树中提取依赖关系结构。斯坦福工具集做得非常好：见http://nlp.stanford.edu/software/stanford-dependencies.shtml

Answer 3

您还可以在Dan Bikel的论文中找到英语的头部查找规则（如果您需要源代码，可以在他的主页上找到解析器软件）

名词短语的头部发现规则

3 个答案: