如何使用OpenNlp的分块解析器基于概率提取有意义的名词短语

Question

我是自然语言处理的新手。我需要根据它们的概率（例如75％及以上）提取有意义的名词和名词短语，以制作自动建议词典。

我一直在阅读在线帖子，文章几天，但只找到了一些信息。我想使用en-parser-chunking.bin 模型。

有人可以推荐一些涵盖与上述类似的用例的好资源/示例吗？

我现在站在哪里：

Model = en-parser-chunking.bin

String line =＆＃34; Tutorialspoint是最大的教程库。＆＃34 ;;

树对象（输出）： （TOP（S（NP（NN Tutorialspoint））（VP（VBZ）（NP（DT）（JJS最大）（NN教程）（NN库。）））））

Noun_Probability：

Tutorialspoint_0.4482373645195041 tutorial_0.6801141071099344 library._0.5625105229675064

Answer 1

我不认为这种做法很好。建议您可以尝试：使用OpenNLP Chunker而不是Parser（它快得多）。在大型语料库中运行它并提取名词短语及其频率。也许频率会给出如何构建词典的提示。