Python NLP：使用 TextBlob、StanfordNLP 或 Google Cloud 识别句子的时态

Question

（注意：我知道以前有关于这个问题的帖子（例如here 或here，但它们已经相当老了，我认为过去几年 NLP 已经取得了相当大的进展。 )

我正在尝试使用 Python 中的自然语言处理来确定句子的时态。

是否有一个易于使用的软件包？如果没有，我需要如何在 TextBlob、StanfordNLP 或 Google Cloud Natural Language API 中实施解决方案？

TextBlob 似乎最容易使用，并且我设法列出了 POS 标签，但我不确定如何将输出转换为“时态预测值”或只是对时态的最佳猜测。此外，我的文本是西班牙语，所以我更喜欢使用支持西班牙语的 GoogleCloud 或 StanfordNLP（或任何其他易于使用的解决方案）。

我还没有设法使用 StanfordNLP 的 Python 接口。

Google Cloud Natural Language API 似乎提供了我所需要的东西（请参阅here，但我还没有设法找出如何获得此输出。我已将 Google Cloud NLP 用于其他分析（例如实体情绪分析）并且它已经奏效了，所以如果我找到正确的使用示例，我相信我可以设置它。

文本块示例：

from textblob import TextBlob
from textblob.taggers import NLTKTagger
nltk_tagger = NLTKTagger()
blob = TextBlob("I am curious to see whether NLP is able to predict the tense of this sentence., pos_tagger=nltk_tagger)
print(blob.pos_tags)

-> 这会打印出 pos 标签，我如何将它们转换为对这句话时态的预测？

Google Cloud NLP 示例（设置凭据后）：

from google.cloud import language
from google.cloud.language import enums
from google.cloud.language import types
text = "I am curious to see how this works"
client = language.LanguageServiceClient()
document = types.Document(
    content=text,
    type=enums.Document.Type.PLAIN_TEXT)

tense = (WHAT NEEDS TO COME HERE?)
print(tense)

->我不确定预测时态需要输入的代码（在代码中注明）

我是 Python 的新手，因此非常感谢您对这个主题的任何帮助！谢谢！

Answer 1

我认为任何 NLP 工具包都没有立即检测过去时态的功能。但是你可以简单地从依赖解析和词性标记中得到它。

对句子进行依存分析，并查看作为句子主要谓词的词根及其 POS 标签。如果是VBD（动词是过去式），肯定是过去式。如果是VB（基本形式）或VBG（动名词），则需要检查其依赖子项并检查是否存在具有VBD 标签的助动词（deprel 为aux）。

如果您还需要涵盖现在/过去完美或过去的模型表达式（我一定有...），您可以扩展条件。

在spacy（我最喜欢的 Python 的 NLP 工具包）中，你可以这样写（假设你的输入是一个句子）：

import spacy
nlp = spacy.load('en_core_web_sm')

def detect_past_sentece(sentence):
    sent = list(nlp(sentence).sents)[0]
    return (
        sent.root.tag_ == "VBD" or
        any(w.dep_ == "aux" and w.tag_ == "VBD" for w in sent.root.children))

使用 Google Cloud API 或 StanfordNLP 基本相同，只是我对 API 不太熟悉。