Question

对于我们的一个项目，我们目前正在使用语法分析组件和命令行。我们希望从这种方法转向现在使用corenlp服务器（以获得更好的性能）。

我们的命令行选项如下：

java -mx4g -cp "$scriptdir/*:" edu.stanford.nlp.parser.lexparser.LexicalizedParser -tokenized -escaper edu.stanford.nlp.process.PTBEscapingProcessor  -sentences newline -tokenized -tagSeparator / -tokenizerFactory edu.stanford.nlp.process.WhitespaceTokenizer -tokenizerMethod newCoreLabelTokenizerFactory  -outputFormat "wordsAndTags,typedDependenciesCollapsed"

我尝试过一些事情，但在使用corenlp API（使用Python）时，我没有找到合适的选项。

例如，如何指定文本已经标记化了？

我真的很感激任何帮助。

Answer 1

通常，服务器调用CoreNLP而不是单个NLP组件，因此CoreNLP上的文档可能很有用。被注释的文本正文作为POST主体发送到服务器;属性作为URL参数传递。例如，对于您的情况，我相信以下curl命令应该可以解决问题（并且应该很容易适应您选择的语言）：

curl -X POST -d "it's split on whitespace" \
  'http://localhost:9000/?annotators=tokenize,ssplit,pos,parse&tokenize.whitespace=true&ssplit.eolonly=true'

请注意，我们只是将以下属性传递到服务器：

annotators = tokenize,ssplit,pos,parse（指定我们需要解析器及其所有先决条件）。
tokenize.whitespace = true将调用withespace tokenizer。
ssplit.eolonly = true会将句子分开，仅在换行符上。

其他可能有用的选项记录在案on the parser annotator page。

CoreNLP API相当于命令行？

1 个答案: