4

Java でスタンフォード ライブラリを使用して依存関係の解析を行っています。依存関係の元の文字列内のインデックスを取り戻す方法はありますか? getSpans() メソッドを呼び出そうとしましたが、すべてのトークンに対して null が返されます。

LexicalizedParser lp = LexicalizedParser.loadModel(
        "edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz",
        "-maxLength", "80", "-retainTmpSubcategories");
TreebankLanguagePack tlp = new PennTreebankLanguagePack();
GrammaticalStructureFactory gsf = tlp.grammaticalStructureFactory();
Tree parse = lp.apply(text);
GrammaticalStructure gs = gsf.newGrammaticalStructure(parse);
Collection<TypedDependency> tdl = gs.typedDependenciesCollapsedTree();
for(TypedDependency td:tdl)
{
      td.gov().getSpan()  // it's null!
      td.dep().getSpan()  // it's null!
}

何か案が？

4

2 に答える 2

2

最終的に、元の文字列からスパンを取得する独自のヘルパー関数を作成しました。

public HashMap<Integer, TokenSpan> getTokenSpans(String text, Tree parse)
{
    List<String> tokens = new ArrayList<String>();
    traverse(tokens, parse, parse.getChildrenAsList());
    return extractTokenSpans(text, tokens);
}

private void traverse(List<String> tokens, Tree parse, List<Tree> children)
{
    if(children == null)
        return;
    for(Tree child:children)
    {
        if(child.isLeaf())
        {
            tokens.add(child.value());
        }
        traverse(tokens, parse, child.getChildrenAsList());         
    }
}

private HashMap<Integer, TokenSpan> extractTokenSpans(String text, List<String> tokens)
{
    HashMap<Integer, TokenSpan> result = new HashMap<Integer, TokenSpan>();
    int spanStart, spanEnd;

    int actCharIndex = 0;
    int actTokenIndex = 0;
    char actChar;
    while(actCharIndex < text.length())
    {
        actChar = text.charAt(actCharIndex);
        if(actChar == ' ')
        {
            actCharIndex++;
        }
        else
        {
            spanStart = actCharIndex;
            String actToken = tokens.get(actTokenIndex);
            int tokenCharIndex = 0;
            while(tokenCharIndex < actToken.length() && text.charAt(actCharIndex) == actToken.charAt(tokenCharIndex))
            {
                tokenCharIndex++;
                actCharIndex++;
            }

            if(tokenCharIndex != actToken.length())
            {
                //TODO: throw exception
            }
            actTokenIndex++;
            spanEnd = actCharIndex;
            result.put(actTokenIndex, new TokenSpan(spanStart, spanEnd));
        }
    }
    return result;
}

それから私は電話します

 getTokenSpans(originalString, parse)

そこで、すべてのトークンを対応するトークン スパンにマップできるマップを取得します。これはエレガントなソリューションではありませんが、少なくとも機能します。

于 2013-04-25T07:38:02.697 に答える
0

あなたはすでに自分の質問に答えており、これは古いスレッドですが、今日同じ問題に出くわしましたが、依存関係パーサーの代わりに (スタンフォード) LexicalizedParser を使用していました。依存関係についてはテストしていませんが、lexParser シナリオで私の問題を解決したのは次のとおりです。

List<Word> wl = tree.yieldWords();
int begin = wl.get(0).beginPosition();
int end = wl.get(wl.size()-1).endPosition();
Span sp = new Span(begin, end);

次に、Span が (サブ) ツリーのインデックスを保持する場所。（そして、ターミナルまでずっと下に行くと、同じことがトークンレベルで機能するはずです）。

これが同じ問題に遭遇した他の誰かに役立つことを願っています!

于 2016-11-23T13:34:19.070 に答える