使用 NLTK 的语义角色标签

Posted 2023-03-12

技术标签:

【中文标题】使用 NLTK 的语义角色标签【英文标题】：Semantic Role Labeling using NLTK 【发布时间】：2014-01-02 10:34:48 【问题描述】：

我有一个句子列表，我想分析每个句子并确定该句子中的语义角色。我该怎么做？

我在 NLTK 模块中发现了 PropBankCorpusReader，它向 Penn Treebank 添加了语义标签信息。此外，我在互联网上的研究表明，该模块用于执行语义角色标签。

然而，我找不到一个小的 HOWTO 来帮助我理解我们如何利用 PropBankCorpusReader 对任意文本执行 SRL。

因此有人可以指出使用PropbankCorpusReader 对任意句子执行 SRL 的示例吗？

【问题讨论】：

【参考方案1】：

SRL 根本不是一个小问题，也不是使用nltk 可以立即完成的事情。

您可以将 SRL 的任务分解为 3 个独立的步骤：

识别谓词。对谓词执行词义消歧以确定它接受哪些语义参数。识别句子中的语义参数。

目前解决此问题的大多数方法都使用监督机器学习，其中分类器将在 Propbank 或 FrameNet 句子的子集上进行训练，然后在剩余的子集上进行测试以测量其准确性。研究人员倾向于专注于调整功能和算法，以及修补上述步骤是按顺序完成还是同时完成，以及以什么顺序完成。

您可能想要查看的一些论文是：

Simmons (1973) - 经典的 SRL 论文。 Gildea and Jurafsky (2002) - 提供一组用于分类的简单功能。 Xue and Palmer (2004) - 更深入地了解有用的功能 Meza-Ruiz and Riedel (2009) - 一种使用 Markov Logic 的有趣方法。

马尔可夫逻辑方法很有前途，但根据我自己的经验，它遇到了严重的可扩展性问题（我只使用过Alchemy，尽管Alchemy Lite 看起来很有趣）。使用 nltk Propbank 数据实现某种分类器的工作量并不大，而且 Python 中已经存在一些 off the shelf classifiers。

编辑： 来自爱丁堡大学的This assignment 给出了一些如何解析 Propbank 数据的示例，part of a school project 我确实实现了一个完整的 Propbank 特征解析器，尽管这些特征是专门针对以 Meza-Ruiz 和 Riedel (2009) 的风格在马尔可夫逻辑网络中使用。

【讨论】：

【参考方案2】：

查看这个全新的 Python 库（取决于 NLTK）https://pypi.python.org/pypi/nlpnet/ ... 它可以处理 POS 和 SRL。

【讨论】：

截至今天，SRL 模型在 nlpnet 中仅提供葡萄牙语版本【参考方案3】：

我建议PractNLPTools，它有许多不错的工具，包括语义角色标签。

我现在正在为一个工作项目询问它，看起来它可以完成工作。

Practnlp工具： https://pypi.python.org/pypi/practnlptools/1.0

GitHub 支持站点： https://github.com/biplab-iitb/practNLPTools

【讨论】：

PractNLPTools only ever had one release, in 6/2014，似乎不活跃【参考方案4】：

到目前为止，最简单的选择可能是https://demo.allennlp.org/semantic-role-labeling。由于底层的 Transformer 架构，它需要超过 1 GB 的内存。