如何使用 Stanford NLP Tregex 获取其中包含多个单词的名词短语？

Question

我想弄清楚是否可以使用多个单词的条件有效地提取 NP。这是我当前的代码：

public static List<Tree> getNounPhrasesWithMultipleKeywords(Annotation doc,
        List<String> tags) {
    StringBuilder sb = new StringBuilder();
    boolean firstWord = true;

    for (int i = 0; i < tags.size(); i++) {
        String word = tags.get(i);
        String[] splitted = word.split(" ");
        for (String splitWord : splitted) {
            if (!firstWord) {
                sb.append(" &");
            }
            sb.append(" << " + splitWord);
            firstWord = false;
        }

    }
    // sb.append(")");

    TregexPattern pattern = TregexPattern.compile("NP < (__"
            + sb.toString() + ")");

    return getTreeWithPattern(doc, pattern);
}

现在，假设输入短语有这棵树：

(ROOT (S (NP (ADJP (RB Poorly) (VBN controlled)) (NN asthma)) (VP (VBZ is) (NP (DT a) (JJ vicious) (NN disease))) (. .)))

我只想获取那些 NP，其中包含在函数参数中指定的标签，例如对于输入 ["controlled", "asthma"] 它应该 return

(NP (ADJP (RB Poorly) (VBN controlled)) (NN asthma))

但是当输入为 ["injection"、"controlled"、"asthma"] 时，它应该 return 没有。

如您所见，如果其中一个输入字符串是 "multiple words"，程序会将其拆分为单词。我认为应该有更好的解决方案，但我不知道它应该如何工作。

Answer 1

我认为你只需要稍微调整一下你的模式。你并没有真正给出你想要什么的完整规范，但据我所知 ["controlled", "asthma"] 应该会产生像 (NP << (controlled .. asthma )) 这样的模式，这意味着 "Noun Phrase containing 'controlled' followed by 'asthma'"。我不确定您希望 "phrases" 如何工作；您是否希望 ["controlled asthma"] 表示“'controlled' 紧接着 'asthma'”，即 (NP << (controlled . asthma))？

这是创建这些模式的函数的新版本：

  public static List<Tree> getNounPhrasesWithMultipleKeywords(Annotation doc,
                                                              List<String> tags) {
    List<String> phrases = new ArrayList<String>();

    for (int i = 0; i < tags.size(); i++) {
      String word = tags.get(i);
      String[] splitted = word.split(" ");
      phrases.add(join(" . ", Arrays.asList(splitted)));
    }
    String pattern_str = join(" .. ", phrases);
    TregexPattern pattern = TregexPattern.compile(
      "NP << (" + pattern_str + ")");
    return getTreeWithPattern(doc, pattern);
  }

  // In Java 8 use String.join.
  public static String join(String sep, Collection<String> strs) {
    System.out.println(strs);
    StringBuilder sb = new StringBuilder();
    boolean first = true;
    for (String s : strs) {
      if (!first) {
        sb.append(sep);
      }
      sb.append(s);
      first = false;
    }
    return sb.toString();
  }

此函数给出您在示例中指定的输出。

如何使用 Stanford NLP Tregex 获取其中包含多个单词的名词短语？

How to get noun phrase with multiple words inside it using Stanford NLP Tregex?

java

nlp

stanford-nlp