如何使用 OpenNlp 的分块解析器基于概率提取有意义的名词短语

Question

我是自然语言处理的新手。我需要根据概率（例如 75% 及以上）提取有意义的名词和名词短语来制作自动建议词典。

我这几天一直在看网上的帖子、文章，但只找到了一些信息。我正在考虑使用 en-parser-chunking.bin 模型。

有人可以推荐涵盖类似于上述用例的好的资源/示例吗？

我现在的立场：

模型 = en-parser-chunking.bin

String line = "Tutorialspoint 是最大的教程库。";

树对象（输出）： (TOP(S(NP(NN Tutorialspoint))(VP(VBZ)(NP(DT)(JJS最大)(NN教程)(NN库。)))))

名词_概率：

Tutorialspoint_0.4482373645195041 教程_0.6801141071099344 图书馆._0.5625105229675064

Answer 1

我认为这种方法不好。您可以尝试的建议：使用 OpenNLP Chunker 而不是 Parser（它更快）。在一个大语料库中运行它并提取名词短语及其频率。也许频率会提示如何构建您的字典。