将字符串数据转换为PTB格式以训练斯坦福情感分析工具

Question

如何将字符串数据（如推文）转换为PTB格式来训练斯坦福情感分析工具？

Answer 1

这不是简单地从一种格式转换为另一种格式的问题。正如@lenz所提到的，PTB是解析器的输出格式 - 这意味着至少需要将文本转换为语法分析。一个自动解析器（例如，Berkeley / Stanford / BLLIP解析器）可以在这里找到一些方法，但是（1）自动解析器可能在Twitter文本上很糟糕，（2）如果我记得你需要二进制解析树，这意味着对原始解析进行了一些操作。

此外，要训练情绪模型，您需要用情绪注释您的数据。也就是说，对于解析树的每个成分，您需要说明该成分的收益率的情绪标签是什么。如果有一个自动工具可以执行此操作，则无需培训新模型。

Answer 2

Stanford CoreNLP软件包有一个java类文件，用于转换PTB格式的文本以进行培训。

类名是BuildBinarizedDataset