强制Stanford CoreNLP解析器在根级别对“s”标签进行优先级排序

Question

import nltk
from nltk.tree import ParentedTree
from nltk.parse.corenlp import CoreNLPParser

parser = CoreNLPParser(url='http://localhost:9000')

java -mx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer
-annotators "parse" -port 9000 -timeout 30000

默认情况下，CoreNLP选择的解析器（当完整的英文模型可用时）是Shift-Reduce(SR)解析器，它有时被认为比CoreNLP PCFG解析器更准确、更快。令人印象深刻的是，我可以用我自己的经验来证实这一点，我几乎只处理维基百科文本。

然而，我注意到，解析器经常错误地选择将实际上是完整的句子（即有限的矩阵子句）解析为子句成分，而不是NP。换句话说，解析器应该在根级别输出S标签(root(S...))，但是句子语法的复杂性促使解析器说一个句子不是句子(root(NP...))等。

对于这类问题句子的解析也总是包含另一个（通常是明显的）错误。下面是几个例子。为了节省空间，我将只粘贴在每棵树的顶部几个级别。每个句子都是完全可以接受的英语句子，因此解析都应该以(ROOT(S...))开始。但是，在每种情况下，其他一些标签会代替s，而树的其余部分是乱码。

弗拉格：超过三分之一的看医生的人接受了抗生素处方，这对抗生素耐药性有影响。（ROOT（FRAG（NP（NP超过三分之一））（看医生的人接受抗生素处方，这对抗生素耐药性有影响））（.））

UCP：咖啡是一种由烘焙的咖啡豆制成的冲泡饮料，咖啡豆是某些咖啡属植物的浆果种子。（ROOT（UCP（S Coffee是由烘焙的咖啡豆制成的冲泡饮料）(，，)(NP某些咖啡属植物浆果的种子）(.))

最后，我提出了一个问题，我相信上面的证据证明了这个问题是有用的：假设我的数据包含少量的片段或其他格式不佳的句子，我如何对CoreNLP解析器施加高级约束，使其算法优先于在s根的正下方分配一个s节点？

我很想知道在处理数据时施加这样的约束（人们知道要满足它）是否也能治愈在产生的解析中观察到的其他无数弊病。据我所知，解决方案不在于指定ParserAnnotations.ConstraintAnnotation。会吗？

Answer 1

你可以指定一定的范围，必须以一定的方式标记。所以你可以说整个范围必须是一个's'。但我认为您必须在Java代码中做到这一点。

下面是演示设置约束的示例代码。

https://github.com/stanfordnlp/corenlp/blob/master/itest/src/edu/stanford/nlp/parser/shiftreduce/shiftreduceparseritest.java