我是nlp的新手,我正在尝试使用stanford解析器从文本中提取(NP)句子,我想检索文本中标记的部分(NP)
如果一个部件被标记(NP)并且其中的一个较小的部分也被标记(NP)我想占用较小的部分。
到目前为止,我设法按照以下方法做了我想做的事情:
private static ArrayList<Tree> extract(Tree t)
{
ArrayList<Tree> wanted = new ArrayList<Tree>();
if (t.label().value().equals("NP") )
{
wanted.add(t);
for (Tree child : t.children())
{
ArrayList<Tree> temp = new ArrayList<Tree>();
temp=extract(child);
if(temp.size()>0)
{
int o=-1;
o=wanted.indexOf(t);
if(o!=-1)
wanted.remove(o);
}
wanted.addAll(temp);
}
}
else
for (Tree child : t.children())
wanted.addAll(extract(child));
return wanted;
}
此方法的返回类型是树的列表,当我执行以下操作时:
LexicalizedParser parser = LexicalizedParser.loadModel();
x = parser.apply("Who owns club barcelona?");
outs=extract(x);
for(int i=0;i<outs.size();i++){System.out.println("tree #"+i+": "+outs.get(i));}
是:
tree #0: (NP (NN club) (NN barcelona))
我希望输出立即为"club barcelona"
,没有标记,我尝试.labels();
属性,.label().value();
他们返回标记
答案 0 :(得分:10)
您可以使用
获取子树tr下的单词列表tr.yield()
您可以使用句子中的便捷方法将其转换为String表单:
Sentence.listToString(tr.yield())
你可以在你正在做的时候走一棵树,但是如果你要做很多这样的事情,你可能想看一下tregex,它可以通过声明模式更容易地找到树中的特定节点,例如NP以下没有NP。一个简洁的方法来做你正在寻找的是:
Tree x = lp.apply("Christopher Manning owns club barcelona?");
TregexPattern NPpattern = TregexPattern.compile("@NP !<< @NP");
TregexMatcher matcher = NPpattern.matcher(x);
while (matcher.findNextMatchingNode()) {
Tree match = matcher.getMatch();
System.out.println(Sentence.listToString(match.yield()));
}