Question

我想将一个句子解析为此表单的二进制解析（SNLI语料库中使用的格式）：

句子：“骑马的人跳过一架破损的飞机。”

parse :(（（A person）（on（a horse）））（（跳过（a（断（下飞机）））））。））

我无法找到执行此操作的解析器。

注意：此问题已在早些时候提出（How to get a binary parse in Python）。但答案没有帮助。我无法评论，因为我没有所需的声誉。

Answer 1

以下是一些示例代码，用于删除树中每个节点的标签。

package edu.stanford.nlp.examples;

import edu.stanford.nlp.ling.*;
import edu.stanford.nlp.pipeline.*;
import edu.stanford.nlp.trees.*;
import edu.stanford.nlp.util.*;

import java.util.*;

public class PrintTreeWithoutLabelsExample {

  public static void main(String[] args) {
    // set up pipeline properties
    Properties props = new Properties();
    props.setProperty("annotators", "tokenize,ssplit,pos,lemma,parse");
    // use faster shift reduce parser
    props.setProperty("parse.model", "edu/stanford/nlp/models/srparser/englishSR.ser.gz");
    props.setProperty("parse.maxlen", "100");
    props.setProperty("parse.binaryTrees", "true");
    // set up Stanford CoreNLP pipeline
    StanfordCoreNLP pipeline = new StanfordCoreNLP(props);
    // build annotation for text
    Annotation annotation = new Annotation("The red car drove on the highway.");
    // annotate the review
    pipeline.annotate(annotation);
    for (CoreMap sentence : annotation.get(CoreAnnotations.SentencesAnnotation.class)) {
      Tree sentenceConstituencyParse = sentence.get(TreeCoreAnnotations.TreeAnnotation.class);
      for (Tree subTree : sentenceConstituencyParse.subTrees()) {
        if (!subTree.isLeaf())
          subTree.setLabel(CoreLabel.wordFromString(""));
      }
      TreePrint treePrint = new TreePrint("oneline");
      treePrint.printTree(sentenceConstituencyParse);
    }
  }
}

Answer 2

我分析了接受的版本，因为我在python中需要一些东西，我创建了一个简单的函数，它创建了相同的结果。为了解析句子，我改编了在the referenced link找到的版本。

import re
import string
from stanfordcorenlp import StanfordCoreNLP
from nltk import Tree
from functools import reduce
regex = re.compile('[%s]' % re.escape(string.punctuation))

def parse_sentence(sentence):
    nlp = StanfordCoreNLP(r'./stanford-corenlp-full-2018-02-27')
    sentence = regex.sub('', sentence)

    result = nlp.parse(sentence)
    result = result.replace('\n', '')
    result = re.sub(' +',' ', result)

    nlp.close() # Do not forget to close! The backend server will consume a lot memery.
    return result.encode("utf-8")

def binarize(parsed_sentence):
    sentence = sentence.replace("\n", "")

    for pattern in ["ROOT", "SINV", "NP", "S", "PP", "ADJP", "SBAR", 
                    "DT", "JJ", "NNS", "VP", "VBP", "RB"]:
        sentence = sentence.replace("({}".format(pattern), "(")

    sentence = re.sub(' +',' ', sentence)
    return sentence

我或被接受的版本都没有提供与SNLI或MultiNLI语料库中显示的相同的结果，因为它们将树的两个单叶一起收集到一个。 MultiNLI语料库中的一个示例显示

"( ( The ( new rights ) ) ( are ( nice enough ) ) )"，

此处展位答案返回

'( ( ( ( The) ( new) ( rights)) ( ( are) ( ( nice) ( enough)))))'。

我不是NLP的专家，所以我希望这没有任何区别。至少它不适用于我的应用程序。

如何以括号格式（没有POS标签）进行解析？

2 个答案: