Stanford CoreNLP：从解析树获取CharacterOffset注释

Question

使用另一个解析器的解析器输出，我为一个句子创建了解析树。现在，我需要找到解析中出现的每个名词短语的字符偏移量。

我该怎么办？

Answer 1

我将首先查看您的解析器使用的标记器/分块器。我更容易找到块和原始文本之间的字符偏移映射（如果字符偏移不存在）。然后您可以遍历解析树寻找名词短语，并从那里遍历左侧分支，直到您到达一个叶，这将是您解析树中的第一个标记；从NP节点，遍历右侧分支，直到您到达另一个叶，这将是您的结束标记。您可以通过从树的根部计数叶子来获得第一个标记的偏移量。

Answer 2

以一个对应于名词短语的子树为例。获取这棵树的叶子：

List<Tree> leaves = tree.getLeaves();

然后取第一个叶子的起点（特征偏移集开始注释值）和最后一个叶子的终端（特征偏移集结束注释）。结果间隔是一个NP的偏移量。

要获取偏移值，请获取叶的标签并将其强制转换为HasOffset：

Label label = firstLeaf.label();
HasOffset ofs = (HasOffset) label;
int start = ofs.beginPosition();

这适用于斯坦福CoreNLP 3.2.0。