使用stanford类型解析器从文本文件中提取名词短语

Question

我有一个文本，我想从中提取名词短语。我可以很容易地获得我所拥有的文本的类型解析器，但想知道如何在文本中提取名词短语？

Answer 1

您可以使用以下代码从Tree中提取名词短语。它假设您已解析存储在解析中的句子（即解析是LexicalizedParser类应用方法的输出）

public static List<Tree> GetNounPhrases()
{

    List<Tree> phraseList=new ArrayList<Tree>();
    for (Tree subtree: parse)
    {

      if(subtree.label().value().equals("NP"))
      {

        phraseList.add(subtree);
        System.out.println(subtree);

      }
    }

      return phraseList;

}

Answer 2

也请尝试此link。我不确定stanford pos tagger和corenlp中可用的tagger是否相同，但我发现这个链接更有用。

在PoS标记之后，您将不得不检测这样的模式 （形容词|名词）*（名词介词）？ （形容词|名词）*名词

请尝试使用此link了解有关名词短语检测的详细信息。

Answer 3

您可以使用Stanford Core NLP进行POS标记。你可以在http://nlp.stanford.edu/software/corenlp.shtml#Usage找到一个示例代码，这可能是一个很好的实验起点。您需要将tokenize，split和pos作为属性。这将输出一个令牌列表及其相应的标签。

整个标记列表可以在http://www.ling.upenn.edu/courses/Fall_2003/ling001/penn_treebank_pos.html处进行查看。所有名词标签都以NN开头。执行此检查将为您提供所需的令牌。