如何使用StanfordNLP Python包进行依赖关系解析？

Question

我试图在here使用新的基于NN的解析器来查找句子中的所有形容词短语（例如good中的extremely good和The weather is extremely good），但是，它非常缺乏文档，因此无法正常工作。我当前的代码是

import stanfordnlp
nlp = stanfordnlp.Pipeline()
doc = nlp("The weather is extremely good")
doc.sentences[0].print_dependencies()

这给了我

('The', '2', 'det')
('weather', '5', 'nsubj')
('is', '5', 'cop')
('extremely', '5', 'advmod')
('good', '0', 'root')

但是目前尚不清楚如何提取所需的信息，因为这似乎不是树结构。有人有主意吗？

Answer 1

目前，您不希望Python支持选区分析。这只是返回依赖项解析（一种不同类型的解析）。

您可以使用stanfordnlp与Java服务器通信并以这种方式获取选区解析。

以下是用于访问选区分析的示例代码：

https://stanfordnlp.github.io/stanfordnlp/corenlp_client.html

Answer 2

输出中指定的每个单词的数字索引表示总督单词（该单词的头部）的索引。

例如，单词"Good"是单词"Good"的子代（索引为5，因为"Good"是实际句子中的第五个单词），因此它将其州长（头）索引，这里是5（<http://corenlp.run/>）。

您可以从{{1}}获取依赖项结构表示形式，并将其与基于我的描述的表示形式进行比较，以便更好地进行说明。