Question

我正在尝试使用在依赖关系图上定义的简单规则/模式从句子中提取非常基本的信息（例如，三元组，例如主语->谓语->宾语）。我开始使用StanfordNLP，因为它易于设置并使用GPU以获得更好的性能。但是，我注意到对于某些句子，所得到的依存关系图看起来不像我期望的那样-尽管我不是专家。因此，我尝试了另外两个解决方案：spaCy和Stanford CoreNLP（我知道它们是由不同的小组维护的吗？）

对于例句“汤姆让山姆相信爱丽丝患有癌症。” 我已经打印了这三种方法的依赖性。 CoreNLP和spaCy产生相同的依赖关系，并且与StanfordNLP的依赖关系不同。因此，我倾向于使用CoreNLP和spaCy（另一个优点是它们与NER一起提供）。

有没有人有更多的经验或反馈可以帮助您从这里走到哪里？我不希望CoreNLP和spaCy总是会在相同的依赖关系图中产生，但是在示例语句中，将StandfordNLP所做的Sam视为obj，而不是nsubj（CoreNLP ，spaCy）似乎有很大的不同

Format:
token   dependency_tag   parent_token

StanfordNLP
Tom     nsubj   made
made    ROOT    ROOT
Sam     obj     made
believe ccomp   made
that    mark    has
Alice   nsubj   has
has     ccomp   believe
cancer  obj     has
.       punct   made

CoreNLP
Tom     nsubj   made
made    ROOT    ROOT
Sam     nsubj   believe
believe ccomp   made
that    mark    has
Alice   nsubj   has
has     ccomp   believe
cancer  dobj    has
.       punct   made

spaCy
Tom     nsubj   made
made    ROOT    ROOT
Sam     nsubj   believe
believe ccomp   made
that    mark    has
Alice   nsubj   has
has     ccomp   believe
cancer  dobj    has
.       punct   made

Answer 1

不确定如何解决您的问题，但我建议您仔细阅读Stanford CoreNLP的文档：https://nlp.stanford.edu/software/lex-parser.shtml

在程序包中，可以使用几个语法和依赖项解析器。仅查看语法分析，就有一个检索k最佳分析的选项，并且如果您处理对它们的依赖性，则很可能会获得每种依赖性。

这与解析器中的错误和自然语言中的歧义有关。

StanfordNLP，CoreNLP，spaCy-不同的依赖图

1 个答案: