Question

如何从SyntaxNet（https://github.com/tensorflow/models/tree/master/syntaxnet）获得依赖解析（不是语法树）输出？我看到了依赖解析的描述......如何训练模型的描述，而不是如何获得依赖解析输出。

SyntaxNet（特别是Parsey McParseface模型）是否甚至可以开箱即用解析依赖？

Answer 1

将--arg_prefix brain_parser传递给parser_eval.py应该可以解决问题。但这需要将标记输出作为输入提供。

这是一个示例，其中第一个传递标记单词，第二个传递解析依赖关系：

echo 'The quick brown fox ran over the lazy dog.' | bazel-bin/syntaxnet/parser_eval \
--input stdin \
--output stdout-conll \
--model syntaxnet/models/parsey_mcparseface/tagger-params \
--task_context syntaxnet/models/parsey_mcparseface/context.pbtxt \
--hidden_layer_sizes 64 \
--arg_prefix brain_tagger \
--graph_builder structured \
--slim_model \
--batch_size 1024 | bazel-bin/syntaxnet/parser_eval \
--input stdin-conll \
--output stdout-conll \
--hidden_layer_sizes 512,512 \
--arg_prefix brain_parser \
--graph_builder structured \
--task_context syntaxnet/models/parsey_mcparseface/context.pbtxt \
--model_path syntaxnet/models/parsey_mcparseface/parser-params \
--slim_model --batch_size 1024

这会生成以下输出：

1       The     _       DET     DT      _       4       det     _       _
2       quick   _       ADJ     JJ      _       4       amod    _       _
3       brown   _       ADJ     JJ      _       4       amod    _       _
4       fox     _       NOUN    NN      _       5       nsubj   _       _
5       ran     _       VERB    VBD     _       0       ROOT    _       _
6       over    _       ADP     IN      _       5       prep    _       _
7       the     _       DET     DT      _       9       det     _       _
8       lazy    _       ADJ     JJ      _       9       amod    _       _
9       dog     _       NOUN    NN      _       6       pobj    _       _
10      .       _       .       .       _       5       punct   _       _

如何从SyntaxNet获取依赖关系解析输出

1 个答案: