在我看来，Parsey在正确标记问题方面存在严重问题，任何句子都是＆＃34;＆＃34;在里面。
文字：来自夏威夷的Barrack Obama？
GCloud令牌（正确）：
Parsey Tokens（错误）：
Parsey决定将名词（！）奥巴马作为根，这会弄乱其他一切。
文字：我的名字是Philipp
GCloud令牌（正确）：
ParseyTokens（不正确）：
再次，parsey选择NOUN作为root并与COP斗争。
为什么会发生这种情况以及如何解决这个问题？
谢谢， 菲尔
答案 0 :(得分：1)
关于第一个例子，看来Parsey的训练数据相当陈旧，并且不包含任何提及甚至单词＆＃34; Barack＆＃34;。 如果你用比尔克林顿取代巴拉克奥巴马，你会得到一个正确的解析。
Input: Is Bill Clinton from Hawaii ?
Parse:
Is VBZ ROOT
+-- Clinton NNP nsubj
| +-- Bill NNP nn
+-- from IN prep
| +-- Hawaii NNP pobj
+-- ? . punct
第二个例子是根据斯坦福依赖关系正确解析的（参见＆＃34;关于copula动词的处理＆＃34;在http://nlp.stanford.edu/software/dependencies_manual.pdf中）。
Input: My name is Philip
Parse:
Philip NNP ROOT
+-- name NN nsubj
| +-- My PRP$ poss
+-- is VBZ cop
答案 1 :(得分：0)
我必须证明我的答案：我对Parsey McParseface的了解有限。但是，由于没有其他人回答，我希望我能增加一些价值。
我认为大多数机器学习模型的一个主要问题是缺乏可解释性。这与你的第一个问题有关：＆＃34;为什么会发生这种情况？＆＃34;这很难说，因为这个工具是建立在一个黑盒子上的＆＃39;模型，即神经网络。我会说，鉴于strong claims made about Parsey，似乎非常令人惊讶的是，像＃39;这样的常用词是＆＃39;一贯地愚弄它。你有可能犯了一些错误吗？没有代码示例很难分辨。
我认为你没有犯错，在这种情况下，我认为你可以通过利用你的观察来解决这个问题（或者减轻它），这个词是＆＃39;＆＃39;＆＃39;＆＃39; ;似乎抛弃了模型。你可以简单地检查一下这个词的问题＆＃39;是＆＃39;并在这种情况下使用GCloud（或其他解析器）。方便的是，一旦你同时使用它们，你可以使用GCloud作为其他Parsey似乎失败的情况的后备，如果你将来发现它们。
至于改进基本模型，如果您足够关心，可以使用original paper重新创建它，并可能根据您的情况优化培训。
答案 2 :(得分：0)
由于它正确地将巴拉克奥巴马标记为2个名词，我不认为它对名称的不熟悉是问题所在。我认为Parsey禁止使用“is”作为根。
在理论依赖语法中，名词永远不是完整句子的根。然而，帕西并不遵循理论;它非常倾向于将内容单词放入头脑中。我认为它决定当你说“X是Y”时，句子的头部应该是“X”而不是“是”，因为“是”不是一个信息性的词。
......除了比尔克林顿的例子，这可能证明我错了！我还没有让Parsey在我自己的电脑上工作，所以我不确定。