交互式 NLP 词性 (POS) 标记 - 强制某些术语成为特定标记答案

【问题标题】：Interactive NLP part-of-speech (POS) tagging - forcing certain terms to be a particular tag交互式 NLP 词性 (POS) 标记 - 强制某些术语成为特定标记
【发布时间】：2015-04-14 11:13:53
【问题描述】：

我正在尝试执行 POS 标记，并且我对任何基于 Java 的标记器（目前使用 OpenNLP）持开放态度。有没有办法“强制”标记器将特定术语（或单词组合）识别为特定标记并基于此对其他标记进行分类？排序允许标记的“交互式更正”。鉴于这种“校正”是交互式的，使用这些新信息实时“全面训练”标注器并不实用。

因此，例如考虑以下句子：“我从来没有为在湖中游泳付出那么多努力”。在这里，“swimming”是一个动名词（一个名词，而不是一个动词），用户可能会说“swimming in the lake”是一个名词（在整个句子的上下文中）。如果他指定了这一点，那么标注器将“湖”作为一个单独的名词吐出是不好的，因为“湖”已经是“在湖中游泳”的一部分。

你们认为最好的方法是什么？是否有 API 调用，或者我只是在标记之前必须用其他东西代替“在湖中游泳”？但是，我不认为后一种方法是可靠的，从那时起我仍然依靠标记器来正确标记它，当使用告诉我它应该是什么时。谢谢。

【问题讨论】：

标签： java nlp stanford-nlp opennlp

【解决方案1】：

如果您想让其他标签围绕给定的固定 POS 标签进行更改，（据我所知）在 CoreNLP 中如果不重新训练标记器就无法做到这一点。

但是，听起来你在这里想要的实际上是一个标记器的区别：“swimming in the lake”是一个名词短语而不是一个名词，无论你如何训练 POS 标记器，它都会标记独立造句。您可以做的一件事是使用分块器（我认为 OpenNLP 有一个）或解析器来提取这些名词短语；事实上，即使词性标注器搞砸了，解析器也应该正确猜测 span 是名词短语。

【讨论】：