Senna是一个使用神经网络构建的NLP工具,它能够:
从http://ml.nec-labs.com/senna/download.html下载预编译包后
我运行了--help
菜单,看看有哪些选项:
alvas@ubi:~/senna$ ./senna-linux64 --help
invalid argument: --help
SENNA Tagger (POS - CHK - NER - SRL)
(c) Ronan Collobert 2009
Usage: ./senna-linux64 [options]
Takes sentence (one line per sentence) on stdin
Outputs tags on stdout
Typical usage: ./senna-linux64 [options] < inputfile.txt > outputfile.txt
Display options:
-h Display this help
-verbose Display model informations on stderr
-notokentags Do not output tokens
-offsettags Output start/end offset of each token
-iobtags Output IOB tags instead of IOBES
-brackettags Output 'bracket' tags instead of IOBES
Data options:
-path <path> Path to the SENNA data/ and hash/ directories [default: ./]
Input options:
-usrtokens Use user's tokens (space separated) instead of SENNA tokenizer
SRL options:
-posvbs Use POS verbs instead of SRL style verbs for SRL task
-usrvbs <file> Use user's verbs (given in <file>) instead of SENNA verbs for SRL task
Tagging options:
-pos Output POS
-chk Output CHK
-ner Output NER
-srl Output SRL
-psg Output PSG
命令行界面很直接,POS和NER标记的输出也很容易解释。在
鉴于此输入:
^{pr2}$这是标准的Penn Treebank标记集:
alvas@ubi:~/senna$ ./senna-linux64 -pos < test.in
Foo NNP
went VBD
to TO
eat VB
bar NN
at IN
the DT
Foobar NNP
. .
这是BIO tagset:
alvas@ubi:~/senna$ ./senna-linux64 -ner < test.in
Foo S-PER
went O
to O
eat O
bar O
at O
the O
Foobar S-LOC
. O
对于分块,它也是我们习惯的BIOE tagset的一种:
alvas@ubi:~/senna$ ./senna-linux64 -chk < test.in
Foo S-NP
went B-VP
to I-VP
eat E-VP
bar S-NP
at S-PP
the B-NP
Foobar E-NP
. O
但是S-
标记意味着什么?它似乎只附加到单个令牌块的令牌上,是真的吗?在
SRL标记有点奇怪,它们是每个令牌的多个注释:
alvas@ubi:~/senna$ ./senna-linux64 -srl < test.in
Foo - S-A1 S-A0
went went S-V O
to - B-AM-PNC O
eat eat I-AM-PNC S-V
bar - I-AM-PNC S-A1
at - I-AM-PNC B-AM-LOC
the - I-AM-PNC I-AM-LOC
Foobar - E-AM-PNC E-AM-LOC
. - O O
它看起来像是我们从语义框架中得到的“tuple-like”输出,但我不理解其中的约定,例如-AM-
是什么?什么是-PNC
?在
输出意味着什么?我们应该如何解释它?
对于解析器输出:
alvas@ubi:~/senna$ ./senna-linux64 -psg < test.in
Foo (S1(S(NP*)
went (VP*
to (S(VP*
eat (VP*
bar (ADVP*)
at (PP*
the (NP*
Foobar *))))))
. *))
它看起来像bracketed parse output we see in parsing,但是*
是什么意思?
SENNA使用CoNLL格式。你可以在这里阅读:http://universaldependencies.github.io/docs/format.html
这是相当普遍的,周围有很多转换器。在
至于前缀,它们的意思是:S-单例表达式和B-开始I-中间E-多单词表达式的结尾。在
然后是语义角色标注的输出。寻找关于SRL的更多信息,因为这会变得更加复杂。注意这里有两列,一列是动词go,另一列是动词eat。通常A0是主语,A1是直接宾语(同样,过于简单化)。AM是自变量修饰语,-LOC是一个位置(可以是其他副词)。PNC似乎指代名词短语充当动词go的宾语。从我脑子里就不记得了。此处为示例verbs.colorado.edu/propbank/framesets-英语/go-v.html 至于解析树,它被放在方括号内,也是一种受Lisp启发的通用符号。*表示当前令牌的标签。我发现这个很有用:https://math.stackexchange.com/questions/588230/how-to-convert-parentheses-notation-for-trees-into-an-actual-tree-drawing
相关问题 更多 >
编程相关推荐