识别前置物和个体POS

Question

我正试图为段落中的每个单词找到正确的词性。我正在使用Stanford POS Tagger。但是，我陷入了困境。

我想从段落中识别介词。

Penn Treebank Tagset说：

IN  Preposition or subordinating conjunction

如何，我能确定当前的单词是介词还是从属结合。在这种情况下，如何从段落中仅提取介词？

Answer 1

你不能确定。这个有点奇怪的PoS的原因是，很难自动确定例如 for 是介词还是从属连词。因此，为了使自动标记器具有更好的精度，这种区别被简单地忽略了。请注意，还有一个标记TO，无论其作为介词，不定式粒子还是其他任何东西（我认为还有其他）都可以用于到的任何出现。< / p>

如果您需要正确识别介词，则需要使用修改后的标签集重新训练标记器，或者训练一个采用PoS标记文本的分类器，并且只进行最终的消歧。

Answer 2

我有一些突破来理解这个词是否实际上是介词或从属连词。

我解析了以下句子：

  

她早早离开是因为迈克和他的新女友一起来。

（这是因为是从属结合）

POS标记后

  

She_PRP left_VBD early_RB because_IN Mike_NNP arrival_VBD with_IN   his_PRP $ new_JJ boys_NN ._。

这里，为了确保因为是介词或不是介词，我已经解析了句子。

这里因为在IN之后将直接父级作为SBAR（从属子句）作为root。

带有的

也属于IN，但其直接父级将为 PP ，因此它是介词。

示例2：

  

将手放在伤口上，直到护士要求您将其取下。   （这里直到协调结合）

POS标记是：

  

Keep_VB your_PRP $ hand_NN on_IN the_DT wound_NN until_IN the_DT   nurse_NN asks_VBZ you_PRP to_TO take_VB it_PRP off_RP ._。

因此，直到和之后被标记为 IN 。

但是，当我们实际解析句子时，图片会更清晰。

所以最后我得出结论，因为它是次要的结合而且是介词。

尝试了多种句子变体..除了之前和之后的之外，几乎所有情况都适用。