使用斯坦福类型解析器从文本文件中提取名词短语答案

【问题标题】：Extracting noun phrases from a text file using stanford typed parser使用斯坦福类型解析器从文本文件中提取名词短语
【发布时间】：2012-06-14 00:42:01
【问题描述】：

我有一个文本，我想从中提取名词短语。我可以很容易地获得我拥有的文本的类型解析器，但想知道如何提取文本中的名词短语？

【问题讨论】：

我试图获得 stanford 类型的解析器，但仍然想知道哪些标签代表名词短语！
你需要 NLP 工具。检查这个问题stackoverflow.com/questions/1889675/…
你为什么首先使用依赖解析器？普通的解析树生成器似乎可以满足您的需求。
查看我的代码以提取依赖信息。语法解析会略有不同，但您可以通过一些调试循环来解决：gist.github.com/2562754

标签： java text nlp stanford-nlp opennlp

【解决方案1】：

您可以使用以下代码从树中提取名词短语。它假设您已经解析了存储在 parse 中的句子（即 parse 是 LexicalizedParser 类应用方法的输出）

public static List<Tree> GetNounPhrases()
{

    List<Tree> phraseList=new ArrayList<Tree>();
    for (Tree subtree: parse)
    {

      if(subtree.label().value().equals("NP"))
      {

        phraseList.add(subtree);
        System.out.println(subtree);

      }
    }

      return phraseList;

}

【讨论】：

【解决方案2】：

您可以使用 Stanford Core NLP 进行词性标注。您可以在http://nlp.stanford.edu/software/corenlp.shtml#Usage 找到示例代码，这可能是一个很好的实验起点。您需要将 tokenize、split 和 pos 作为属性。这会输出带有相应标签的标记列表。

整个标签列表可以在http://www.ling.upenn.edu/courses/Fall_2003/ling001/penn_treebank_pos.html查看。所有名词标签都以 NN 开头。执行此检查将为您提供所需的令牌。

【讨论】：

【解决方案3】：

也试试这个link。我不确定 stanford pos tagger 和 corenlp 中可用的 tagger 是否相同，但我发现这个链接更有用。

在 PoS 标记之后，您必须检测这样的模式 （形容词|名词）*（名词介词）？（形容词|名词）*名词

试试这个link 了解有关名词短语检测的一些详细信息。

【讨论】：