文本简化工具（Java）

Question

使用Java可以简化文本的最佳工具是什么？

这是文本简化的示例：

John, who was the CEO of a company, played golf.
                       ↓
John played golf. John was the CEO of a company.

Answer 1

我认为您的问题是将复杂或复合句子转换为简单句子的任务。根据文献的句子类型，从一个独立的子句中构建一个简单的句子。复合和复杂的句子至少由两个子句构成。另外，从句必须包含主语和动词。
因此，您的任务是将句子分解为构成句子的子句。

Stanford
CoreNLP的依赖项解析是将复合和复杂句子拆分为简单句子的理想工具。您可以在线试用该演示。
从您的示例语句中，我们将获得 斯坦福类型依赖性（SD） 表示法的解析结果，如下所示：

nsubj(CEO-6, John-1)
nsubj(played-11, John-1)
cop(CEO-6, was-4)
det(CEO-6, the-5)
rcmod(John-1, CEO-6)
det(company-9, a-8)
prep_of(CEO-6, company-9)
root(ROOT-0, played-11)
dobj(played-11, golf-12)

有一条可从关系式（在SD），该类别是受试者，例如来鉴定 nsubj ， nsubjpass
。见斯坦福依赖手动
基本条款可从中提取 头 作为动词部分和 依赖 的主体部分。根据上面的SD，有两个基本子句，即

• 约翰首席执行官
• 约翰演奏

获得基本从句后，您可以添加另一部分以使从句成为完整且有意义的句子。为此，请查阅《斯坦福大学相依手册》。

回答第三条评论：

一旦获得了一对主语的动词，即 nsubj(CEO-6, John-1)
，获得了具有链接到该依存关系的所有依存关系，除了属于该类别的任何依存关系，然后从这些依存关系中提取唯一单词。

根据示例， nsubj(CEO-6, John-1) 如果您从开始遍历 John-1 ，您会得到，
nsubj(played-11, John-1) 但是您应该忽略它，因为其类别是主题。

下一步是遍历 CEO-6 零件。你会得到

cop(CEO-6, was-4)
det(CEO-6, the-5)
rcmod(John-1, CEO-6)
prep_of(CEO-6, company-9)

从上面的结果中，您可以遍历新的依赖项（即，找到另一个 was-4, the-5, company-9 在头部或依赖项中具有的依赖项）。
现在您的依赖项是

cop(CEO-6, was-4)
det(CEO-6, the-5)
rcmod(John-1, CEO-6)
prep_of(CEO-6, company-9)
det(company-9, a-8)

在此步骤中，您已遍历与链接的所有依赖项 nsubj(CEO-6, John-1)
。接下来，从所有首字母和从属字母中提取单词，然后根据这些单词后面的数字以升序排列。此数字表示原始句子中的单词顺序。

John was the CEO a company

我们的新句子缺少一部分，即 of 。这部分隐藏在中 prep_of(CEO-6, company-9)
。如果您阅读Stanford DependencyManual，则有两种 SD，即已折叠和未折叠。请阅读它们，以了解为什么 of 隐藏了该部分以及如何获取该隐藏部分的单词顺序。

用同样的方法，你会得到第二句话

John played golf