斯坦福 NLP：如何获取块

Question

所以在 nltk 中，我们可以指定一个 POS 标签的正则表达式来提取文本块

sentence = [("the", "DT"), ("little", "JJ"), ("yellow", "JJ"), 
... ("dog", "NN"), ("barked", "VBD"), ("at", "IN"),  ("the", "DT"), ("cat", "NN")]

 grammar = "NP: {<DT>?<JJ>*<NN>}" 

 cp = nltk.RegexpParser(grammar) 
 result = cp.parse(sentence) 
 print(result) 
(S
  (NP the/DT little/JJ yellow/JJ dog/NN)
  barked/VBD
  at/IN
  (NP the/DT cat/NN)) 

是否可以使用 stanford nlp 做类似的事情？我想做的是使用 stanford POS 标记器来标记我的文本，因为我发现它比 nltk 的标记器更准确。我想一旦我有了标记的句子，我无论如何都可以使用上面的代码。斯坦福 NLP 是否仍然提供开箱即用的东西来创建文本块？

另外，我知道 nltk 3 提供了 stanford NLP 支持。那么我怎样才能将两者结合起来得到大块的文本呢？我更喜欢在 python 中执行此操作。

Answer 1

如果您知道要视为块的模式，则可以使用TokensRegex 对它们进行聚类。