我想在斯坦福解析器解析过程中使用gate-EN-twitter.model进行词性标记。命令行上有这样做的选项吗？比如twitter.model上的pos.model门？或者我必须先使用Stanford pos tagger with gate模型进行标记，然后将其输出作为解析器的输入 谢谢 如果我理解正确，您希望强制斯坦福解析器使用这个特定于Twitter的POS标记器生成的标记。这是绝对可能的，尽管斯坦福NLP关于这个确切模型的推特应该作为一个警告： 斯坦福NLP的推特，2014年4月13日

如何从选区解析树中提取名词短语String/Text，而不使用POS标记 我能够在不解析注释的情况下提取名词短语，但无法找到仅提取该名词短语文本的方法。 例如： String some_sentence = "The dog ran after the intruding bigger dog"; parse Tree :**(ROOT (S (NP (DT The) (NN dog)) (VP (VBD ran) (PP (IN after) (NP (DT the) (JJ intrudin

在我的文档中，所有的句子都是用以下特定语法表达式构建的：A:person B:location C:work.如果我想提取命名实体（Tom:person），如何做？我用过，但我找不到大量数据来训练分类器，我不想这样做。所以我们可以通过其他方式找到实体 我不确定我是否理解你的问题。NER系统应该已经将人们从盒子中解救出来；请参阅文档了解如何使用。你是否在尝试对新员工重新培训NER系统？或者，您是否有要注释的人员/地点/工作的自定义列表？是的。我有一组新的人员和一个自定义的实体列表。我已经为一个新的

我试图生成一个语义图，并使用semgrex查找特定节点。 我想使用引理作为semgrex中的节点属性之一。我在这里看到了一个相关的问题和答案： 有人提到 确保节点正在存储引理-请参阅CoreNLP的引理注释器（目前仅适用于英语） 我可以使用当前管道生成所需的注释以生成语义图 Properties props = new Properties(); props.put("annotators", "tokenize, ssplit, pos, lemma, parse"); Stanfor

我制作了一个基本的应用程序，通过OpenIE库使用Stanford解析器，当使用指定的属性初始化StanfordCoreNLP时，它将停止为pos（pos标记器）。我确实认为所有必需的模型都包含在内，因此不确定为什么流程无法找到模型数据 Properties props = new Properties(); props.setProperty("annotators", "tokenize, ssplit, pos, lemma, ner, parse, dcoref"); St

我找到了Stanford pos标记器，并希望在我正在进行的项目中使用它。 不幸的是，我在尝试运行它时遇到以下错误： 线程“thread-0”java.lang.NoClassDefFoundError中出现异常： org/slf4j/LoggerFactory 在edu.stanford.nlp.io.IOUtils.（IOUtils.java:41） 位于edu.stanford.nlp.tagger.maxent.MaxentTagger.readModelAndInit（MaxentTa

的FAQ告诉我们可以在培训时加入定制功能。 首先，NER中有哪些功能？它与tsv培训文件中的标签有何不同？ 如本问题所述，在tsv的功能栏中表示标记“编程语言”、“操作系统”是否正确 有点混乱，请解释。标签是您要应用于令牌的标签。例如O、人、地点、组织、编程语言。O指非实体 特征是您希望CRF分类器在其决策中使用的令牌流的一个方面 想想“我去年夏天去了法国”这句话 标签应该是[O位置O] 例如，一个特征可以是单词本身，“word=France” 特征可以是“word_n-2_n-1=转到”序列中

我有Penn treebank（s-expression）格式的中国选区树库，我想获得conll格式的数据。我知道英语数据可以通过StanfordCoreNLP使用此命令进行转换 java -mx1g edu.stanford.nlp.trees.ud.UniversalDependenciesConverter -treeFile treebank > treebank.conllu 我也知道StanfordCoreNLP支持使用命令选择中文模型 java -mx3g -cp "*"

我正在尝试获取给定语义图中所有边的列表。 有，但它似乎只适用于一对2个索引词，而不是整个图形。 是否有其他方法可以在不手动遍历整个图形的情况下获取所有边？您可以尝试： SemanticGraph parse = ... for (SemanticGraphEdge edge : parse.edgeIterable()) { ... } 在outgoingEdgeIterable和incomingEdgeIterable中也有类似之处，您是否知道TreeAnnotation的依赖关系是否有

以下是一个示例文本输出： 下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好/下午好 此命令将接收一个输入文本文件，并使用所有标记创建一个输出json，每个标记都有POS标记和NER标记： java -Xmx6g -cp "*:." -Xmx2g edu.stanford.nlp

我们想在一个俄语语料库上训练斯坦福NN依赖解析器，有没有关于如何做的提示？超参数在本文中进行了描述，但是了解如何准备训练数据（注释，特别是如何创建word2vec注释）会很好。非常感谢您对某些文档的任何帮助或参考 谢谢 以下是一些答案： 如果要为俄语构建向量表示，请访问word2vec的网站： 依赖项需要采用CoNLL-X格式： 单词嵌入应采用此格式（每行中的每个单词向量）： 单词\tn0 n1 n2 n3 n4 例如： 苹果.45242.392323.111423.999334 将您的嵌

斯坦福核心NLP软件有一个情感注释器，但它只支持英文，我想为中文创建一个情感注释器。我该怎么办？谁能给我一些建议，非常感谢 不幸的是，我们没有任何经过训练的中国情绪分析模型。要训练一个中国模型，您需要构造一个类似于的情绪树库，然后再训练情绪模型，但这不是一个小任务

我一直在玩，注意到它是区分大小写的。 例如，它将“i”标记为FW，而将“i”标记为PRP。 我可以训练它忽略这个案例吗？更一般地说，我该如何训练它来处理格式不正确的句子呢？CorenNLP有不区分大小写的模型，您只能在英语中使用。他们叫他们。如果使用3.6.0版，请阅读此处的警告 链接中提到的几点： 您可以修复文本中字母的大小写，并使用普通模型。您可以使用TrueCaseAnnotator 要使用CoreNLP训练自己的不区分大小写的模型，可以指定忽略大小写的令牌预处理器 wordFunctio

我们使用斯坦福CoreNLP已经有一段时间了，大部分时间它都提供了正确的结果 但是对于某些句子，依赖项解析的结果会一团糟。正如我们所观察到的，其中一些错误是由词性标记问题引起的，例如，“我真的很喜欢这家餐厅”中的“like”，或者“ambient”中的“ambient”一词是“非常便宜而且非常好的ambient” 是的，我们正在处理的用户评论可能与斯坦福CoreNLP中的培训语料库的措辞略有不同，因此我们正在考虑自己注释一些文本，并与现有模型混合。对于NER，我们已经有了自己的特殊NEs模型，但

我将斯坦福CoreNLP POS 3.3.1与HeidelTime一起用于时间分析（不幸的是，HeidelTime没有SO标签，所以我打开了一个问题并链接到这篇文章） 我专门研究阿拉伯语，在BBC的一篇阿拉伯语文章中，我注意到HeidelTime忽略了数字“6”，选择了“小时”，并理解为1小时。然后HeidelTime吐出值为PT1H的TIMEX3标记 例如，以下文本是我开始的内容： قبل6ساعة（“6小时之前”，从右到左阅读，分别是单词顺序，即“قبل”是“之前”） 之所以写这篇文章，是因

在斯坦福大学的NER CRFClassizer中，您可以使用的类的最大数量是多少 当你上了10万个不同的班，会有什么后果吗 我对CRF不太了解，所以我可能会错，但这篇论文： 表示训练时间与课程数量呈二次曲线增长。此外，如果您正在构建一个包含100000个类的模型，那么您需要的令牌将远远超过用于生成4类NER模型的200000个令牌 我相信这将导致一个以世纪或亿万年来衡量的训练时间

我正在使用斯坦福CoreNLP对我收集的一些推文进行情绪分析。我创建了一个模拟训练模型，其中一句话的得分如下： （0（2熊）（2（2油）（2市场））） 我的得分是0到4分，0分是非常负的，2分是中性的，4分是非常正的。 我正在测试以下两条推文： 熊市 熊市 它将第一个句子赋值为0，这是正确的，第二个句子的分数为2，这是不正确的，因为这个句子也应该是否定的。这两句话之间的唯一区别是第二句话中市场的s 我的问题是：有没有办法回避这样一个事实，即任何单词的任何变化都会导致两句话的得分不同？我认为简短的

在使用Stanford parser的TokenizerFacotry时，我确保将选项设置为“Unnotkenizable=noneDelete”，但我仍然无法获得警告，这可能是什么问题 public static List<Tree> findHeadNounPhrases(List<String> unites) { List<Tree> nps = new ArrayList<Tree>(); for(String sente

我试图在一组包含文本页面的卷上执行NER。我从创建管道开始。使用默认设置，在16核机器上，处理1360页的卷大约需要5分钟（并行度手动控制，不使用线程属性-这种方式要快得多）。考虑到目标是处理潜在的数千卷，这被认为太慢了。另一个实验涉及通过将NER.useSUTime和NER.applyNumericClassifiers设置为false来关闭各种NER方面。这似乎没有以任何显著的方式提高处理速度。但是，我无法关闭管道使用的令牌regexGenerator。我尝试将ner.regex设置为fal

我试着打印gs和tdl，gs保留标点，而tdl丢失标点。在使用stanford parser 3.9.1时，如何在将语法结构转换为typedDependencies的同时保留标点？似乎stanford parser很难解决这个问题，有相同问题的人可以尝试corenlp ChineseGrammaticalStructure gs = new ChineseGrammaticalStructure(t); Collection<TypedDependency> tdl = gs.typ

我在找斯坦福大学的API 我找不到详细信息 在斯坦福大学NLP网站上 请任何人帮我查一下这些 原料药 在那里我可以获得斯坦福Ner API。斯坦福Ner包含在。或者，您可以从下载版本，并从源代码中制作javadocs。斯坦福NER是一个库，您必须下载它，为您的项目导入，所有API都在文件NERDemo.java中声明。 您可以从结果中获得CoreLabel对象。只需访问下面列出的站点，它将解决您的问题。

任何人都知道以下文件的位置： trainFileList=/u/nlp/data/ner/column_data/muc6.ptb.train， /u/nlp/data/ner/column_data/muc7.ptb.train 我正在关注FAQ链接 如果我所需要做的只是提供一个包含两列（由令牌和类组成）的文件，那么这就行了。但是我对分类器属性文件中列出的train文件很好奇 serializeTo=english.muc.7class.caseless.distsim.crf.ser.gz

我正在尝试斯坦福依赖解析器。我尝试在windows上从命令行运行解析器，以使用以下命令提取依赖项： java -mx100m -cp "stanford-parser.jar" edu.stanford.nlp.trees.EnglishGrammaticalStructure -sentFile english-onesent.txt -collapsedTree -CCprocessed -parserFile englishPCFG.ser.gz 我得到以下错误： Error occur

我直接运行MaxentTagger，如下所示： private void test() { MaxentTagger tagger = new MaxentTagger(modelsdir + "wsj-0-18-bidirectional-distsim.tagger"); String input = "Someone will trip over that cable."; System.out.println(tagger.

有人能告诉我核心NLP的区别吗 和斯坦福NLP 据我所知，斯坦福大学的研究小组致力于不同的NLP机制，其中CoreNLP是主要的机制。因此，核心NLP只不过是斯坦福NLP团队研究和贡献的成果。据我所知，斯坦福大学的团队致力于不同的NLP机制，其中核心NLP是主要的。因此，核心NLP只不过是斯坦福NLP团队研究和贡献的成果。斯坦福NLP是一个开发了核心NLP组件的团队，如标记化、句子检测、词性标记和NER、实体链接和注释，用于培训这些模块等 斯坦福大学与NLP相关的核心组件将归入CoreNLP

我想将实际使用Stanford Parser 2.0.4的Java代码更新为新版本（3.6） 问题是“EnglishGrammaticRelations.SUBJECT.isAncestor”函数在3.6中不起作用，我需要检查一个关系是否等于另一个关系或是另一个关系的祖先。我的斯坦福2.0.4代码如下： String sentence = "The company is a subsidiary of International Data Group"; Tree depTree;

我正在构建一个基于规则的NER平台，我想知道是否可以利用基于依赖关系的模式来识别命名实体。例如 CYLD抑制TRAF2和TRAF6的泛素化 在这里，我可以使用关系/模式的prep_来识别触发泛素化的蛋白质TRAF2和TRAF6（正如奥丁的符文研究论文中提到的） 如果TokensRegex确实支持依赖项注释，那么任何人都可以在规则文件中分享一个如何实现它的示例吗？我将永远感激你 当然不是。但是，您可以通过将自定义注释附加到CoreLabels；e、 例如，为传入的依赖项弧创建注释。然后，您可以在这

我试图从斯坦福大学的CoreNLP开始学习，但我甚至无法通过这里的第一个简单示例 这是我的密码： package stanford.corenlp; import java.io.File; import java.io.IOException; import java.nio.charset.Charset; import java.util.List; import java.util.Map; import java.util.Properties; import com.googl

我使用核心NLP解析器标记我的文本。例如“…格劳本斯康涅格省第十六届人民大会……” 现在的问题是，当我使用解析器标记我的文本时，我得到一个带有“XVI”的标记，这是正确的。但是当我将这个令牌与核心NLP Pos标记器一起使用时，我得到了两个我不想要的令牌[u'XVI'，u'NE']，[u''，u'$]。我是否可以以某种方式将标记器重新标记为原始标记？如果在该文本上运行管道，它应该正确标记 以下是示例命令： java -Xmx8g edu.stanford.nlp.pipeline.Stanfor

我试图分析斯坦福大学corenlp的代码情感模型分析，我在本页上发现： 但是我找不到用于进行实验的“感伤树调试.txt”文件，有人可以告诉我该文件的位置或外观 TrainPath String=“感伤树调试.txt” 如果您能给我帮助或建议，我将不胜感激 这是我的问题 线程“main”edu.stanford.nlp.io.RuntimeIOException中的异常：MemoryTreebank.processFile IOException（位于文件MONTIONTREEESDEBUG.t

我只想在coreNLP服务器启动后调用openIE模块。我在shell上试过这个： $ java -mx4g -cp "$HOME/corenlp/*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer & $ java -cp "$CORE/*" -Xmx1g edu.stanford.nlp.pipeline.StanfordCoreNLPClient edu.stanford.nlp.naturalli.OpenIE -file inp

我有一个例子，在我的语言中，一个词有三种含义，这三种含义在词典中都有明确规定。例如，马其顿语中的“аааö”可以是介词、副词和连词。我的问题是如何解决在搜索某个句子时显示正确词义的问题 简单的回答是你不能 斯坦福POS标记器基于双向方法计算标记。一个单词的词性标签是根据它出现的上下文计算出来的，这意味着前面的两个单词和后面的两个单词都会被考虑。在此基础上，算法输出最有可能正确的标签。 在不同的句子群中，同一个单词可以有不同的词性标记，但一个单词一次只能有一个标记。没有任何选项可以获取超过一定概率

我在看斯坦福大学的纳特，想知道这些词是如何表达的。使用线性CRF训练模型时，是否使用Word2Vec或手套将其转换为向量 更多的研究表明，数据存储在CRFDatum结构中。有人能详细解释一下吗？好吧，现在我知道了老派人工智能人的感受 回到过去（包括构建NER系统时），在神经网络开始发展之前，统计ML使用定制的特征化器将离散输出转换为向量。对于语言，这通常会导致一个非常长但稀疏的热点特征向量。例如，Featureizer可能会为每个单词指定一个热表示：在对应于该单词的索引处为1，在其他地方为0。对

有办法做到这一点吗 向regexner.mapping文件中添加另一列，该列描述命名实体的某些方面，例如： 工程学士学位2.0一些数据信息1 Lalor定位人员2.0一些数据信息2 劳动 组织2.0 一些数据信息3 其思想是，当检测到实体提及时，可以访问此信息，例如某些数据\u信息可能是来自另一个数据库或任何东西的密钥 List<CoreMap> entityMentions = document.get(MentionsAnnotation.class); for (CoreMa

我试图使用斯坦福代币器，并从其网站上获得以下示例： import java.io.FileReader; import java.io.IOException; import java.util.List; import edu.stanford.nlp.ling.CoreLabel; import edu.stanford.nlp.ling.HasWord; import edu.stanford.nlp.process.CoreLabelTokenFactory; import edu.s

我在努力寻找英语句子的语义标签。 我正在使用斯坦福NLP解析器。有没有办法呢 我正在浏览文档，但我能找到的最接近的东西是： CoreAnnotations.SemanticWordAnnotation CoreAnnotations.SemanticTagAnnotation 不，我们目前在CoreNLP中没有语义角色标记（SRL）系统 除非您已经有了一个明确要求语义角色标签的系统，否则我建议您看看这个表示。尽管这种表示主要是一种语法表示，但它也编码了许多语义，在许多语义任务中与SRL一样有效

有没有办法将核心NLP情绪分析的输出保存在文件中，而不是在输出中发送消息 发送结果消息的我的代码： ` NLP.init（） ` 一旦聊天内容从这篇文章中删除，它看起来就相当简单了。我不知道这项技术，但关于您试图解决的问题，您是否可以补充更多细节？谢谢@halfer的评论。例如，它的corenlp将结果显示为消息，将推文的情绪显示为负面和正面，但它显示的是输出中的消息，而不是将其保存在文件中。我们可以看到控制台输出的示例，编辑到问题中吗？假设你使用的是*nix类操作系统，你能用grep过滤它们吗

我正在尝试使用网络训练一个NER模型。我有一个所需格式的文件，大小为6GB。配置文件： usePrevSequences=true useClassFeature=true useTypeSeqs2=true useSequences=true wordShape=chris2useLC useTypeySequences=true useDisjunctive=true noMidNGrams=true serializeTo=ner-model50.ser.gz maxNGramLeng=6

大家好，提前谢谢你们的帮助。我对尝试使用斯坦福NLP是一个全新的尝试，我正在努力学习斯坦福大学的C#示例。我收到一个错误： stanford-corenlp-3.9.1.dll中发生类型为“edu.stanford.nlp.io.RuntimeIOException”的未处理异常 其他信息：无法从edu/stanford/nlp/models/kbp/regexner_caseless.tab读取令牌regexner 正在以下行中抛出错误： var pipeline = new Stanford

当我试图用下面的命令构建PTB格式的数据集时，我得到了一条类似“未知参数-模型”的消息。为什么我会收到这个信息？命令有问题吗 java -cp "*" edu.stanford.nlp.sentiment.BuildBinarizedDataset -model edu/stanford/nlp/models/sentiment/sentiment.ser.gz -input train.txt 使用-mountainmodel标志，而不是-modelmountainmodel和model之间

我已经训练了自己的NER分类器，现在我想用它来做共指消解。我该怎么做？我试过这个： java-Xmx5g-cp stanford-corenlp-3.7.0.jar:stanford-corenlp-models-3.7.0.jar:*edu.stanford.nlp.pipeline.StanfordCoreNLP-annotators-ner，coref-loadClassifier./classifiers/my_classifier.ser.gz-coref.algorithm-neu

我使用的是Stanza（），我想获取依赖关系树并将其转换为图像，类似于这里所做的（） 但是，我已经下载了节源代码，似乎找不到任何类似于to_dot（）方法的东西。在第节中，我应该如何进行此操作

我有一个庞大的句子语料库（~110万）要通过Stanford Core NLP进行解析，但在输出中我得到的句子比输入中的多，可能系统会将一些超出给定分段的句子分割成几行 为了控制发生了什么，我想在输入中加入“标签”。这些标记在输出中应该是可识别的，并且不应该影响解析 差不多 <0001> I saw a man with a telescope . </0001> 我已经尝试了很多格式，在所有情况下，“标记”都被解析为文本的一部分 是否有某种方法可以告诉解析器“不要解析

这就是问题所在。比方说，我有一条规则： { pattern: ( [ner:/DATE|TIME/] ), action: ( Annotate($0, myNER, "MY_DATETIME" ) ) } 如何指定整个文档，而不是注释捕获组$0，有点像这样： { pattern: ( [ner:/DATE|TIME/] ), action: ( Annotate( <document>, myNER, "MY_DATETIME" ) ) } {

我试图使用Semgrex提取一个节点，该节点应该是动词live或名词life。我尝试了以下方法，但每种方法都有一个SemgrexParseException： {lemma: live; pos: /VB.*/} | {lemma: life; pos: /NN.*/} {lemma: live; pos: /VB.*/ | lemma: life; pos: /NN.*/} ({lemma: live; pos: /VB.*/}) | ({lemma: life; pos: /NN.*

根据Stanford CoreNLP dependencies，QuoteAnotator没有dependencies。但是，当我单独调用anotator时，会出现一个错误： java.lang.IllegalArgumentException:注释器引号需要注释CorefChainAnnotation。此注释器的通常要求是：标记化、ssplit、pos、引理、ner 这是预期的行为吗？我是否提前运行完整的管道？文档页面不正确，我将努力修复它。在最新版本中，默认情况下，我们将quote属性添加到

我正在使用斯坦福大学CoreNLP来探索球队2.0数据集。当使用最新版本3.9.2的选区解析时，我发现这句话返回为NP根： 卡罗莱纳州的第二名球员是职业保龄球安全专家库尔特·科尔曼，他带领球队完成了职业生涯最高的七次拦截，同时也完成了88次铲球，职业保龄球后卫乔什·诺曼在本赛季发展成了一个停球角，有四次拦截，其中两次因触地而返回 但在这个演示站点中，它以S-root的形式返回（似乎是2016-9-12版本）： 我发现不止一个句子有相同的情况。现在无法连接该站点。我的问题是: 这两个版本有什么不

我想使用一个由多个文件组成的语料库来训练斯坦福的标记者，这个语料库将在将来扩展 是否有可能更新现有的模型，或者我每次都必须使用整个语料库进行训练 有没有关于如何使用API进行培训的示例？MaxentTagger的JavaDoc仅涵盖通过命令行进行的培训 谢谢大家! 目前，您每次都必须使用整个语料库进行训练。（从理论上讲，用附加数据更新模型是可能的，但这不是目前存在的，也不是我们的首要任务。） 我们所有的模型训练都是从命令行开始的。。。。实际上，从代码上看，train方法似乎是私有的，因此您需要将

有没有一种方法可以使用Stanford CoreNLP处理已经标记了POS的文本 例如，我有这个格式的句子 They_PRP are_VBP hunting_VBG dogs_NNS ._. 我想通过强制给定的POS注释，用引理、ner、parse等进行注释 更新。我试过这个代码，但不起作用 Properties props = new Properties(); props.setProperty("annotators", "tokenize, ssplit, pos, lemma");

我正在写一个tokens正则表达式，我需要检查下面是否没有更多的token。我正在使用[]{0}来执行此操作，但它不起作用 具体来说，对于这样的短语，“在星期二或之后”，我的tokens regex是 /在| at | for/[ner:/DATE | TIME/]/和|或//after | later/[]{0} 但是，这个表达式也与“在星期二或星期四之后”匹配，这在语义上与“在星期二或星期四之后”不同。你知道如何检查后面没有标记，或者重新编写正则表达式以匹配第一个短语而不是第二个短语吗？谢谢