如何用java获取句子的逻辑部分？

Question

假设有一句话：

On March 1, he was born.

将其更改为

He was born on March 1.

不会破坏句子的意思，它仍然有效。以任何其他方式混洗单词都会产生奇怪的无效句子。所以基本上，我说的是句子的一部分，这使得信息更具体，但删除它们并不会破坏整个句子。有没有NLP库可以识别这样的部件？

Answer 1

Constituents

这听起来像是您想要识别句子的，它是一组单词，根据语言的语法作为一个单独的单元进行操作。

事实上，当语言学试图发现一种语言的语法时，他们在一定程度上通过查看movement来实现。与您的示例一样，这是一组单词可以移动到句子中的不同位置，同时仍然保留句子的含义。

成分可以是单个单词、短语，甚至是更大的组，比如整个从句。在一个句子中，它们具有嵌套的层次结构。例如，你给出的第一个例句可以分析为：

(S  (PP (IN On) (NP (NNP March) (CD 1)))
    (NP (PRP he))
    (VP (VBD was) (VP (VBN born))))

整个句子由一个prepositional phrase组成，后跟一个noun phrase，然后是一个verb phrase。介词短语可以进一步分解为一个单元，该单元由单个单词'On‘后跟一个名词短语组成。

短语结构分析器

要自动查找构成成分，您可能需要使用短语结构解析器。有许多这样的解析器可供选择，这些解析器都是开源的，包括：

• Stanford Parser (Java)
• Berkeley Parser (Java)
• BLLIP (Charniak-Johnson) Parser (C++)
• Bikel Parser (这是用Java)
• Collins Parser (C++)
• OpenNLP Parser (Java)
• SharpNLP Parser (C#)

编写的Collins解析器的重新实现和改进版本

Stanford和Berkeley解析器可能是最容易安装和使用的。正如在Cer et al. 2010中所看到的，最准确的解析器是Berkeley和Charniak。与其他解析器相比，Bikel解析器速度较慢，精度也较低。

在线演示

斯坦福大学的解析器here有一个在线演示。我使用了演示来生成上面给出的示例句子的语法分析。

关于删除的说明

在每个成分中，都会有一个head word。例如，使用名词短语：

(NP (DT The) (JJ big) (JJ blue) (NN ball))

这里的中心词是名词ball，它由形容词big和blue修饰。如果这个名词短语被嵌入到一个句子中，你可以删除这些修饰语，并且仍然有一些与原始句子的意思一致但不那么具体的东西。

在名词短语中，通常可以删除形容词、非中心语的名词和嵌套介词短语。

在动词短语和完整从句中，事情变得更加棘手，因为删除作为动词参数的材料可能会完全改变句子的解释。例如，在He sold Jim.中从the book中删除He sold Jim the book会导致

Answer 2

OpenNLP可能会为您做一些这方面的工作。Phrase chunking和解析应该可以帮助你做到这一点。然而，这并不是一个特别简单的问题，随着句子结构变得更加复杂和模糊，算法往往会变得混乱。有时，您应该能够对句子中的短语进行重新排序并保持含义。