检测散文中对话部分的开始和结束

Question

我已经看了很多开源的自然语言处理工具(主要是OpenNLP)，我没有看到任何可以自动检测对话开始和结束的工具。

句子检测工具可以找到完整句子的边界。标记器准确地标记化标点符号，但仍然不能检测开始和结束。我读过很多假定对话检测的学术文章(such as)。但是我没有看到任何工具可以将其自动化为通用的对话框检测。

例如，文本如下：

"I am happy," she said.

应该将“我很高兴”定义为对话。文本如下：

"This is a really long piece of dialog spoken by a character.

"That spans across multiple paragraphs."

应该将整个内容标识为对话框(即使第一段的末尾缺少右引号)。还有一些更奇怪的指定对话框的方式。例如使用破折号：

They were walking when Joe spoke up.
--I really like walking.

另外，内部对话框通常用斜体表示，例如：

Joe walked down the street. *I really hope I don't get hit by a bus.*

有没有NLP工具可以检测到这样的对话框部分？或者用我刚刚错过的OpenNLP来做这件事？

Answer 1

我不知道有什么工具可以做到这一点，开箱即用，与领域无关。可能对于特定的领域，你可以训练一些东西。例如，在通话记录中，很可能是A-B-A-B (等)结构，两个人轮流说话。但是当更多的人参与到对话中时，事情就会变得复杂得多。此外，您是否可以使用拼写功能(如单引号/双引号)做到这一点，还取决于构建您的文本/语料库的人是否愿意以一种整洁和一致的方式做到这一点。

我最近偶然发现了一个执行话语解析的工具：http://alt.qcri.org/tools/discourse-parser/

这为您提供了一种称为修辞结构树的东西，它是输入文档的表示，它澄清了哪个句子与另一个句子有什么关系。我还没有尝试过它的对话框，也不知道那里的性能。但它是/依赖于一种更具语义意识的方法来将文本分割成碎片。也许这能帮到你。不过，该工具并不像corenlp/opennlp bunch那样用户友好，而且它需要(至少对我来说是)相当多的操作才能启动和运行。

无论如何，可能信息太多，答案很简短；据我所知，没有容易实现和使用的工具。

Answer 2

经过一些搜索，看起来斯坦福自然语言处理工具有一个"QuoteAnnotator“，这正是我要找的。