スタンフォードNLPツールの最後のバージョンでcorefリゾルバーに加えられた変更を理解するのに問題があります。例として、以下は文と対応するCorefChainAnnotationです。
The atom is a basic unit of matter, it consists of a dense central nucleus surrounded by a cloud of negatively charged electrons.
{1=[1 1, 1 2], 5=[1 3], 7=[1 4], 9=[1 5]}
これらの数字の意味がよくわかりません。ソースを見ても実際には役に立ちません。
ありがとうございました
私は共参照依存関係グラフを使用してきましたが、この質問に対する他の回答を使用することから始めました。しばらくして、上記のアルゴリズムが正確に正しくないことに気づきました。それが生成した出力は、私が持っている修正バージョンにさえ近くありません。
この記事を使用する他の人のために、これが私が最終的に得たアルゴリズムです。これは、すべてのrepresentativeMentionも自分自身に言及し、多くの言及は自分自身を参照するだけなので、自己参照も除外します。
Map<Integer, CorefChain> coref = document.get(CorefChainAnnotation.class);
for(Map.Entry<Integer, CorefChain> entry : coref.entrySet()) {
CorefChain c = entry.getValue();
//this is because it prints out a lot of self references which aren't that useful
if(c.getCorefMentions().size() <= 1)
continue;
CorefMention cm = c.getRepresentativeMention();
String clust = "";
List<CoreLabel> tks = document.get(SentencesAnnotation.class).get(cm.sentNum-1).get(TokensAnnotation.class);
for(int i = cm.startIndex-1; i < cm.endIndex-1; i++)
clust += tks.get(i).get(TextAnnotation.class) + " ";
clust = clust.trim();
System.out.println("representative mention: \"" + clust + "\" is mentioned by:");
for(CorefMention m : c.getCorefMentions()){
String clust2 = "";
tks = document.get(SentencesAnnotation.class).get(m.sentNum-1).get(TokensAnnotation.class);
for(int i = m.startIndex-1; i < m.endIndex-1; i++)
clust2 += tks.get(i).get(TextAnnotation.class) + " ";
clust2 = clust2.trim();
//don't need the self mention
if(clust.equals(clust2))
continue;
System.out.println("\t" + clust2);
}
}
そして、あなたの例文の最終的な出力は次のとおりです。
representative mention: "a basic unit of matter" is mentioned by:
The atom
it
通常、「アトム」が代表的な言及になりますが、驚くことではありません。少し正確な出力の別の例は、次の文の場合です。
アメリカ独立戦争は1700年代に発生し、アメリカで最初の戦争でした。
次の出力を生成します。
representative mention: "The Revolutionary War" is mentioned by:
it
the first war in the United States
最初の番号はクラスターID（同じエンティティを表すトークンを表す）です。のソースコードを参照してくださいSieveCoreferenceSystem#coref(Document)。ペア番号はCorefChain＃toString（）から外れています：
public String toString(){
return position.toString();
}
ここで、positionは、言及しているエンティティの位置ペアのセットです（それらを使用させるためCorefChain.getCorefMentions()）。位置からトークンに移動する方法を示す完全なコード（ groovy ）の例を次に示します。
class Example {
public static void main(String[] args) {
Properties props = new Properties();
props.put("annotators", "tokenize, ssplit, pos, lemma, ner, parse, dcoref");
props.put("dcoref.score", true);
pipeline = new StanfordCoreNLP(props);
Annotation document = new Annotation("The atom is a basic unit of matter, it consists of a dense central nucleus surrounded by a cloud of negatively charged electrons.");
pipeline.annotate(document);
Map<Integer, CorefChain> graph = document.get(CorefChainAnnotation.class);
println aText
for(Map.Entry<Integer, CorefChain> entry : graph) {
CorefChain c = entry.getValue();
println "ClusterId: " + entry.getKey();
CorefMention cm = c.getRepresentativeMention();
println "Representative Mention: " + aText.subSequence(cm.startIndex, cm.endIndex);
List<CorefMention> cms = c.getCorefMentions();
println "Mentions: ";
cms.each { it ->
print aText.subSequence(it.startIndex, it.endIndex) + "|";
}
}
}
}
出力（「s」がどこから来ているのかわかりません）：
The atom is a basic unit of matter, it consists of a dense central nucleus surrounded by a cloud of negatively charged electrons.
ClusterId: 1
Representative Mention: he
Mentions: he|atom |s|
ClusterId: 6
Representative Mention: basic unit
Mentions: basic unit |
ClusterId: 8
Representative Mention: unit
Mentions: unit |
ClusterId: 10
Representative Mention: it
Mentions: it |
これらは、アノテーターからの最近の結果です。
マーキングは次のとおりです。
[Sentence number,'id'] Cluster_no Text_Associated
同じクラスターに属するテキストは、同じコンテキストを参照しています。