java - 从输出解析树中提取文本

Question

我是 nlp 的新手，我正在尝试使用斯坦福解析器从文本中提取 (NP) 句子，我想检索文本中标记为 (NP) 的部分

如果一个部分被标记为 (NP) 并且其中的较小部分也被标记为 (NP) 我想拿走较小的部分。

到目前为止，我设法通过以下方法完成了我想做的事情:

private static ArrayList<Tree> extract(Tree t) 
{
    ArrayList<Tree> wanted = new ArrayList<Tree>();
   if (t.label().value().equals("NP") )
    {
       wanted.add(t);
        for (Tree child : t.children())
        {
            ArrayList<Tree> temp = new ArrayList<Tree>();
            temp=extract(child);
            if(temp.size()>0)
            {
                int o=-1;
                o=wanted.indexOf(t);
                if(o!=-1)
                    wanted.remove(o);
            }
            wanted.addAll(temp);
        }
    }

    else
        for (Tree child : t.children())
            wanted.addAll(extract(child));
    return wanted;
}

此方法的返回类型是一个树列表，当我执行以下操作时:

     LexicalizedParser parser = LexicalizedParser.loadModel();
        x = parser.apply("Who owns club barcelona?");
     outs=extract(x);
    for(int i=0;i<outs.size();i++){System.out.println("tree #"+i+": "+outs.get(i));}

是:

tree #0: (NP (NN club) (NN barcelona))

我希望立即输出 "club barcelona"，没有标签，我尝试了 .labels(); 属性和 .label( ).value(); 他们返回的是标签

Answer 1

你可以得到子树 tr 下的单词列表

tr.yield()

您可以使用 Sentence 中的便捷方法将其转换为字符串形式:

Sentence.listToString(tr.yield())

你可以边走边看树，但如果你经常做这种事情，你可能想看看 tregex，它可以更容易地通过声明模式在树中找到特定的节点，例如在它们下面没有 NP 的 NP。做你正在寻找的一个巧妙的方法是:

Tree x = lp.apply("Christopher Manning owns club barcelona?");
TregexPattern NPpattern = TregexPattern.compile("@NP !<< @NP");
TregexMatcher matcher = NPpattern.matcher(x);
while (matcher.findNextMatchingNode()) {
  Tree match = matcher.getMatch();
  System.out.println(Sentence.listToString(match.yield()));
}