Stanford返回所有匹配的表达式

Question

有没有办法返回所有匹配的表达式？

考虑下面这句话

John Snow killed Ramsay Bolton

其中John-NNP、Snow-NNP、killed- VBD、Ramsay-NNP、Bolton-NNP

我使用下面的标记组合作为规则

NNP-NNP
NNP-VBD
VBD-NNP

上述规则中的预期匹配词为：

John Snow, Snow killed, killed Ramsay, Ramsay Bolton

但是使用下面的代码，我只能得到这个匹配的表达式：

[John Snow, killed Ramsay]

在stanford中有没有一种方法可以从句子中获得所有期望的匹配词？这是我现在使用的代码和规则文件：

import com.factweavers.multiterm.SetNLPAnnotators;
    import edu.stanford.nlp.ling.CoreAnnotations;
    import edu.stanford.nlp.ling.tokensregex.CoreMapExpressionExtractor;
    import edu.stanford.nlp.ling.tokensregex.Env;
    import edu.stanford.nlp.ling.tokensregex.NodePattern;
    import edu.stanford.nlp.ling.tokensregex.TokenSequencePattern;
    import edu.stanford.nlp.pipeline.Annotation;
    import edu.stanford.nlp.pipeline.StanfordCoreNLP;
    import edu.stanford.nlp.util.CoreMap;
    import java.util.List;
    import java.util.regex.Pattern;

    public class StanfordTest {
        public static void main(String[] args) {
            String rulesFile="en.rules";
            Env env = TokenSequencePattern.getNewEnv();
            env.setDefaultStringMatchFlags(NodePattern.NORMALIZE);
            env.setDefaultStringPatternFlags(Pattern.CASE_INSENSITIVE);
            env.bind("collapseExtractionRules", false);

            CoreMapExpressionExtractor extractor= CoreMapExpressionExtractor.createExtractorFromFiles(env, rulesFile);


            String content="John Snow killed Ramsay Bolton";
            Annotation document = new Annotation(content);
            SetNLPAnnotators snlpa = new SetNLPAnnotators();
            StanfordCoreNLP pipeline = snlpa.setAnnotators("tokenize, ssplit, pos, lemma, ner");
            pipeline.annotate(document);
            List<CoreMap> sentences = document.get(CoreAnnotations.SentencesAnnotation.class);

            sentences.parallelStream().forEach(sentence -> {
                System.out.println(extractor.extractExpressions(sentence));
            });
        }
    }

en.rules

{
   ruleType:"tokens",
   pattern:([{tag:/VBD/}][ {tag:/NNP/}]),
   result:"result1"
}

{
   ruleType:"tokens",
   pattern:([{tag:/NNP/}][ {tag:/VBD/}]),
   result:"result2"
}

{
   ruleType:"tokens",
   pattern:([{tag:/NNP/}][ {tag:/NNP/}]),
   result:"result3"
}

Answer 1

我认为你需要为你想要的不同东西创建不同的提取器。

这里的问题是，当您有两个像这样重叠的词性标记规则序列时，第一个匹配的规则序列会吸收阻止第二个模式匹配的标记。

因此，如果(NNP，NNP)是第一个规则，则匹配"John Snow“。但是“雪”不能与“雪杀”相提并论。

如果你有一组像这样重叠的模式，你应该把它们分开，放在单独的提取器中。

例如，你可以有一个(名词，动词)提取器和一个单独的(名词，名词)提取器。