java如何使用Stanford NLP Tregex获取包含多个单词的名词短语?
我试图弄清楚是否有可能使用多个单词的条件有效地提取NP。这是我当前的代码:
public static List<Tree> getNounPhrasesWithMultipleKeywords(Annotation doc,
List<String> tags) {
StringBuilder sb = new StringBuilder();
boolean firstWord = true;
for (int i = 0; i < tags.size(); i++) {
String word = tags.get(i);
String[] splitted = word.split(" ");
for (String splitWord : splitted) {
if (!firstWord) {
sb.append(" &");
}
sb.append(" << " + splitWord);
firstWord = false;
}
}
// sb.append(")");
TregexPattern pattern = TregexPattern.compile("NP < (__"
+ sb.toString() + ")");
return getTreeWithPattern(doc, pattern);
}
现在,让我们假设输入短语具有以下树:
(ROOT (S (NP (ADJP (RB Poorly) (VBN controlled)) (NN asthma)) (VP (VBZ is) (NP (DT a) (JJ vicious) (NN disease))) (. .)))
我只想得到那些NP,它包含函数参数中指定的标记,例如,对于输入[“受控”,“哮喘”],它应该返回
(NP (ADJP (RB Poorly) (VBN controlled)) (NN asthma))
但当输入为[“注射”、“控制”、“哮喘”时,它不应返回任何内容
如您所见,若其中一个输入字符串是“多个单词”,那个么程序会将其拆分为多个单词。我认为应该有更好的解决方案,但我不知道它应该如何工作
# 1 楼答案
我认为你只需要稍微调整一下你的模式。您并没有真正给出您想要的内容的完整说明,但是从我所能知道的情况来看
["controlled", "asthma"]
应该会产生类似(NP << (controlled .. asthma ))
的模式,这意味着“包含‘受控’的名词短语,后跟‘哮喘’”。我不确定你到底想让“短语”如何运作;你想让["controlled asthma"]
的意思是“控制”紧接着“哮喘”,即(NP << (controlled . asthma))
下面是创建这些模式的函数的新版本:
此函数提供示例中指定的输出