Question

我希望将自然语言解析库用于简单的聊天机器人。我可以获得词性标签，但我总是想知道。你怎么用POS做的。如果我知道演讲的部分，那么呢？

我想这会对回复有所帮助。但是我可以使用哪些数据结构和架构。

Answer 1

词性标注器为输入文本中的单词指定标签。例如，流行的Penn Treebank标签集有大约40个标签，例如“复数名词”，“比较形容词”，“过去时动词”等。标签也解决了一些模糊性。例如，许多英语单词形式可以是名词或动词，但在其他词语的上下文中，它们的词性是明确的。因此，使用POS标签注释您的文本，您可以回答以下问题：我有多少名词？有多少句子不包含动词？等等。

对于聊天机器人，你显然需要更多。你需要找出文本中的主语和对象，以及它们附加的动词（谓词）;你需要解决anaphors（个人做他或她指向），否定和量词的范围是什么（例如每个， 超过3 ）等。

理想情况下，您需要将输入文本映射到某些逻辑表示（例如一阶逻辑），这可以让您引入推理以确定两个句子在意义上是否相等，或者在蕴涵关系中是否等等。

虽然POS-tagger会映射句子

Mary likes no man who owns a cat.

到这样的结构

Mary/NNP likes/VBZ no/DT man/NN who/WP owns/VBZ a/DT cat/NN ./.

你宁愿需要这样的东西：

SubClassOf(
   ObjectIntersectionOf(
      Class(:man)
      ObjectSomeValuesFrom(
         ObjectProperty(:own)
         Class(:cat)
      )
   )
   ObjectComplementOf(
      ObjectSomeValuesFrom(
         ObjectInverseOf(ObjectProperty(:like))
         ObjectOneOf(
            NamedIndividual(:Mary)
         )
      )
   )
)

当然，虽然POS-tagger的精确度和召回率接近100％，但更复杂的自动处理会更糟糕。

一个优秀的NLP Java库是LingPipe。但是，它不会超出POS标记，分块和命名实体识别。

Answer 2

自然语言处理的范围很广，根源至少可以追溯到60年代。您可以开始阅读computational linguistics，natural language generation，generative grammars，Markov chains，chatterbots等等。

维基百科有一个short list of libraries我认为你可能已经看过了。 Java在NLP中没有悠久的传统，尽管我还没有看过斯坦福大学的图书馆。

如果不深入学习语言学和语法，我怀疑你会得到非常令人印象深刻的结果。不是每个人最喜欢的学校科目（或者我听说过 - 爱过我自己！）。

Answer 3

我会跳过很多细节并保持简单。词性标注可帮助您从句子中创建parse tree。一旦你有了这个，你就试着尽可能明确地弄清楚意义。此解析步骤的结果将极大地帮助您为chatterbot设置合适的响应。

Answer 4

一旦你有了部分语音标签，你就可以提取所有名词，这样你就可以大致了解某人正在谈论的事物或对象。

举个例子：

有人说“你可以打开一个新窗口。”当你有POS标签时，你知道他们不是在谈论可以（如在容器中） ， jar 等，在 open 的上下文中甚至是有意义的，但是 window 。您还会知道 open 是一个动词。

通过这些信息，您的聊天机器人可以生成更好的回复，与开罐器等无关。

注意：您不需要解析器来获取POS标记。一个简单的POS标签就足够了。解析器会为您提供更多信息（例如，主题是什么，句子的对象是什么？）

自然语言解析，实际例子

4 个答案: