斯坦福解析器输出与演示输出不匹配答案

【问题标题】：Stanford parser output doesn't match demo output斯坦福解析器输出与演示输出不匹配
【发布时间】：2016-02-26 17:07:37
【问题描述】：

如果我使用带有 english_SD 模型的 Stanford CoreNLP 神经网络依赖解析器，根据网站 (link, bottom of the page)，它的表现相当不错，与我假设基于的 demo 相比，它提供了完全不同的结果LexicalizedParser（或至少任何其他的）。

如果我把句子我不喜欢这辆车放在演示页面中，结果是这样的：

如果我将相同的句子放入神经网络解析器，结果如下：

在神经网络解析器的结果中，一切都取决于like。我认为这可能是由于不同的 POS-Tags，但我使用 CoreNLP Maxent Tagger 和 english-bidirectional-distim.tagger 模型，我认为这很常见。对此有何想法？

【问题讨论】：

标签： parsing neural-network stanford-nlp

【解决方案1】：

默认情况下，我们使用english-left3words-distsim.tagger 模型作为标注器，它比双向模型更快，但偶尔会产生更差的结果。由于演示页面上使用的选区解析器和您使用的神经网络依赖解析器都严重依赖 POS 标签，因此不同的 POS 序列导致不同的解析也就不足为奇了，尤其是当主要动词有功能词标签（IN = 前置词）而不是内容词标签（VB = 动词，基本形式）。

但还要注意，该演示以新的 Universal Dependencies 表示形式输出依赖项解析，而 english_SD 模型将句子解析为旧的 Stanford Dependencies 表示形式。对于您的例句，正确的解析实际上是相同的，但您会看到其他句子的差异，特别是如果它们具有在新表示中被不同处理的介词短语。

【讨论】：

你知道演示页面使用的是哪个 pos Tagger 和哪个模型吗？我发现很多使用神经网络解析器的解析器，其中一切或至少非常依赖于一个词，这不可能是正确的......
我很确定它是 english-left3words-distsim.tagger 模型。如果你正在解析短句，那么一切或几乎一切都依赖于主要动词似乎不太可能。
是的，你是对的。实际上，无论如何，第二个的 pos 标记对我来说更有意义。感谢您的帮助和信息！