問題タブ [part-of-speech]

R を使用して、POS と実際の文字列を組み合わせて表現されたパターンをテキストから検索したいと考えています。(私はこの機能をPythonライブラリで見ました: http://www.clips.ua.ac.be/pages/pattern-search )。

たとえば、検索パターンは:'NOUNPHRASE be|is|was ADJECTIVE than NOUNPHRASE'であり、「猫は犬よりも速い」のような構造を含むすべての文字列を返す必要があります。

私は、パッケージが便利な POS タグ付けを好みopenNLP、提供していることを知っています。qdapこの種のパターン マッチングにその出力を使用している人はいますか?

ドキュメントのコーパスで品詞パターンを見つけるためのツールを探しています。ドキュメントの POS タグ付けにスタンフォード NLP ツールを使用しています。これらのタグ付きドキュメントをクエリして、たとえば次のような特定の POS パターンを見つけたいと思います。

NPはJJ (例: 映画はいいです)

またはJJ NP (例: 素晴らしいフォアグラ)

シンプルで効率的な方法でこれを行うことができるツールはありますか、それとも自分で作成する必要がありますか?

テキストのコレクションで単語クラスを認識するために、Apache OpenNLP 品詞タガーを使用しています。タガーのパフォーマンスを評価しようとしていますが、どのデータでトレーニングされたのでしょうか? 英語用に存在するモデルの名前は、使用されたトレーニング データに関するヒントを提供しません。

Apache OpenNLP のドキュメントには、POS-Tagger のトレーニングにも使用された可能性があるいくつかのコーパスが記載されています。 http://opennlp.apache.org/documentation/manual/opennlp.html#tools.corpora

英語のPOSモデルがトレーニングされたトレーニングデータを見つける方法を知っている人はいますか?

パッケージ内の Python の名高い品詞タガーを試してみましょうnltk。

これは私に与えます

[('Buddy', 'NNP'), ('Billy', 'NNP'), ('行った', 'VBD'), ('to', 'TO'), ('the', 'DT') , ('月', 'NN'), ('and', 'CC'), ('来た', 'VBD'), ('戻る', 'NNP'), ('with', 'IN') , ('several', 'JJ'), ('Vikings', 'NNS'), ('.', '.')]

ここでコードを解釈できます。混乱は理解できますが、'Back' が固有名詞 (NNP) として分類されたことに少しがっかりしています。'Vikings' が複数固有名詞 (NNPS) ではなく単純複数名詞 (NNS) と呼ばれるようになったことには、さらに腹を立てています。少なくとも 1 つの NNPS タグにつながる簡単な入力の例を 1 つ思い付くことができる人はいますか?

UIMA パイプラインで POSTagger(品詞) を作成しようとしています。スタンフォード POSTagger jar をダウンロードしてプロジェクトに添付し、モデルを英語用にコピーしましたが、いくつかの例外がスローされます。

私のコード:

例外：