斯坦福的nlp学习

Posted 2020-09-20 毛无语666

Stanford NLP tools提供了处理中文的三个工具，分别是分词、Parser

具体参考：

http://nlp.stanford.edu/software/parser-faq.shtml#o

1.中文分词

这个包比较大，运行时候需要的内存也多，因而如果用eclipse运行的时候需要修改虚拟内存空间大小：

运行-》自变量-》VM自变量-》-Xmx800m (最大内存空间800m)

demo

2.依存句法分析

可以参考http://nlp.stanford.edu/software/parser-faq.shtml#o

http://blog.csdn.NET/leeharry/archive/2008/03/06/2153583.aspx

根据输入的训练库不同，可以处理英文，也可以处理中文。输入是分词好的句子，输出词性、句子的语法树（依赖关系）

英文demo（下载的压缩文件中有）：

1. LexicalizedParser lp = new LexicalizedParser("englishPCFG.ser.gz");  
2. lp.setOptionFlags(new String[]{"-maxLength", "80", "-retainTmpSubcategories"});  
3.   
4. String[] sent = { "This", "is", "an", "easy", "sentence", "." };  
5. Tree parse = (Tree) lp.apply(Arrays.asList(sent));  
6. parse.pennPrint();  
7. System.out.println();  
8.   
9. TreebankLanguagePack tlp = new PennTreebankLanguagePack();  
10. GrammaticalStructureFactory gsf = tlp.grammaticalStructureFactory();  
11. GrammaticalStructure gs = gsf.newGrammaticalStructure(parse);  
12. Collection tdl = gs.typedDependenciesCollapsed();  
13. System.out.println(tdl);  
14. System.out.println();  
15.   
16. TreePrint tp = new TreePrint("penn,typedDependenciesCollapsed");  
17. tp.printTree(parse)；

中文有些不同：

1. //LexicalizedParser lp = new LexicalizedParser("englishPCFG.ser.gz");  
2. LexicalizedParser lp = new LexicalizedParser("xinhuaFactored.ser.gz");  
3. //lp.setOptionFlags(new String[]{"-maxLength", "80", "-retainTmpSubcategories"});  
4.   
5. //    String[] sent = { "This", "is", "an", "easy", "sentence", "." };  
6. String[] sent = { "他", "和", "我", "在",  "学校", "里", "常", "打", "桌球", "。" };  
7. String sentence = "他和我在学校里常打台球。";  
8. Tree parse = (Tree) lp.apply(Arrays.asList(sent));  
9. //Tree parse = (Tree) lp.apply(sentence);  
10.   
11. parse.pennPrint();  
12.   
13. System.out.println();  
14. /* 
15. TreebankLanguagePack tlp = new PennTreebankLanguagePack(); 
16. GrammaticalStructureFactory gsf = tlp.grammaticalStructureFactory(); 
17. GrammaticalStructure gs = gsf.newGrammaticalStructure(parse); 
18. Collection tdl = gs.typedDependenciesCollapsed(); 
19. System.out.println(tdl); 
20. System.out.println(); 
21. */  
22. //only for English  
23. //TreePrint tp = new TreePrint("penn,typedDependenciesCollapsed");  
24. //chinese  
25. TreePrint tp = new TreePrint("wordsAndTags,penn,typedDependenciesCollapsed",new ChineseTreebankLanguagePack());  
26. tp.printTree(parse);

然而有些时候我们不是光只要打印出来的语法依赖关系，而是希望得到关于语法树(图)，则需要采用如下的程序：

1. String[] sent = { "他", "和", "我", "在",  "学校", "里", "常", "打", "桌球", "。" };  
2. ParserSentence ps = new ParserSentence();  
3. Tree parse = ps.parserSentence(sent);  
4. parse.pennPrint();  
5. TreebankLanguagePack tlp = new ChineseTreebankLanguagePack();  
6. GrammaticalStructureFactory gsf = tlp.grammaticalStructureFactory();  
7. GrammaticalStructure gs = gsf.newGrammaticalStructure(parse);  
8. Collection tdl = gs.typedDependenciesCollapsed();  
9. System.out.println(tdl);  
10. System.out.println();  
11. for(int i = 0;i < tdl.size();i ++)  
12. {  
13. //TypedDependency(GrammaticalRelation reln, TreeGraphNode gov, TreeGraphNode dep)  
14. TypedDependency td = (TypedDependency)tdl.toArray()[i];  
15. System.out.println(td.toString());  
16. } 

//采用GrammaticalStructure的方法getGrammaticalRelation(TreeGraphNode gov, TreeGraphNode dep)可以获得两个词的语法依赖关系