我有一个问题，关于CoreNLP如何为在累积整体句子分数的途中为短语分配括号。主要问题是它在一个句子中计算短语情绪的ORDER。有谁知道使用什么算法？一个例子将清楚地说明我的问题：
在我的训练模型中，我使用的量表是0-4，其中0表示负数，2表示中性，4表示正数，因此以下短语得分：（3（1下）（2（2）油）（2制作））） 注意：跳跃到正面的原因是我们预测油价和石油产量下降将导致价格上涨，因此正确预测石油价格上涨将需要整体积极的情绪。
接下来，我们假设抓住了以下推文：“欧佩克决定降低石油产量”。我假设CoreNLP做的第一件事就是为每个单词分配一个分数。在我们的训练模型中，lower得分为1，所有其他单词都没有得分，因此得分为中性。
问题似乎源于CoreNLP决定对短语（单词组）进行评分。如果它做的第一件事是得分“石油生产”，然后得分“降低石油产量”，它会看到我们的模型中的“低油产量”的确切短语匹配并正确地指定得分为3.
然而，我猜测的是：第一个CoreNLP得分“欧佩克决定”，然后“欧佩克决定”，然后“欧佩克决定降低”，然后“欧佩克决定降低油价”，然后欧佩克决定在这种情况下，“低油产量”一词从未被考虑在真空中，因为没有与我们的训练模型相匹配的短语，单个单词分数决定整体情绪并且得分为1由于“降低。”
唯一的解决方案是让某人告诉我CoreNLP用来对短语进行评分的确切括号算法。谢谢你的帮助！
答案 0 :(得分：0)
Stanford CoreNLP在句子上运行一个选区解析器。然后它使用TreeBinarizer将选区树变成二叉树。
这是相关课程：
edu.stanford.nlp.parser.lexparser.TreeBinarizer
以下是GitHub上源代码的链接：
以下是TreeBinarizer设置位置的源代码：