CoreNLP选区解析
您如何描述CORENLP中选区解析的现状？随着软件包的推进（从3.5.3开始），它是否得到了维护，但没有得到改进？）依赖句法分析，这与近十年来计算语言学的主要研究方式一致吗？
CoreNLP中是否提供了任何形式的（嘈杂的）转换代码，用于从依赖项解析到选区解析的转换？似乎只为某些语言提供了相反方向的基于规则的转换。
共有1个答案
我们不再积极地在Java Stanford CoreNLP包中开发选区解析。我认为未来任何改进的选区解析器都将是基于Python和神经的。我相信AllenNLP有这样的实现，将来我们有可能在Python StanfordNLP包中添加一个神经模型。
据我所知，我们不提供任何类型的选区转换依赖。
-
我正在使用斯坦福的CoreNLP工具，特别是德语的选区解析器。我在命令行工作。 这是我使用的命令： 然后我得到了以下内容：
-
CoreNLP 是斯坦福提供的一组用Java编写的自然语言分析工具。它可以接受原始的人类语言文本输入，并给出单词的基本形式，其词性，是否为公司，人员等的名称，规范化和解释日期，时间和数字量，标记句子的结构在短语或单词从属关系方面，并指出哪些名词短语指代相同的实体。 它最初是为英语开发的，但现在也为（现代标准）阿拉伯语，（大陆）中文，法语，德语和西班牙语提供不同级别的支持。斯坦福大学的CoreNLP
-
问题内容： 我是Stanford CoreNLP工具包的新手，正在尝试将其用于解决新闻文本中的共同引用的项目。为了使用Stanford CoreNLP共参考系统，我们通常会创建一个管道，该管道需要标记化，句子拆分，词性标记，词缀化，命名实体识别和解析。例如： 然后，我们可以使用以下命令轻松获得句子注释： 但是，我使用其他工具进行预处理，只需要一个独立的共指解析系统。创建标记并解析树注释并将它们设置
-
Stanford CoreNLP 提供了一套用 Java 编写的自然语言分析工具。它最初是为英语开发的，但现在也为（现代标准）阿拉伯语、中文、法语、德语和西班牙语提供不同程度的支持。Stanford CoreNLP 是一个集成的框架，可以很容易地将一堆语言分析工具应用于一段文本。它的分析为更高层次和特定领域的文本理解应用提供了基础性的构建块。Stanford CoreNLP 是一套稳定的、经过良好
-
我目前正在使用斯坦福NLP集团的不同工具，并试图理解它们之间的差异。在我看来，它们似乎以某种方式相互交叉，因为我可以在不同的工具中使用相同的功能（例如标记，和POS-Tag一个句子可以由斯坦福POS-Tagger、Parser和CoreNLP完成）。 我想知道每种工具之间的实际区别，以及在哪些情况下我应该使用它们。