斯坦福CorpNLP返回错误结果

Question

我正在试着用斯坦福大学的柠檬化来跟进这的问题。我的环境是：-

• Java 1.7
• 月食3.4.0
• StandfordCoreNLP版本3.4.1 (从这里下载)。

我的代码片段是：-

//...........lemmatization starts........................

    Properties props = new Properties(); 
    props.put("annotators", "tokenize, ssplit, pos, lemma"); 
    StanfordCoreNLP pipeline = new StanfordCoreNLP(props, false);
    String text = "painting"; 
    Annotation document = pipeline.process(text);  

    List<edu.stanford.nlp.util.CoreMap> sentences = document.get(SentencesAnnotation.class);

    for(edu.stanford.nlp.util.CoreMap sentence: sentences) 

    {    
        for(CoreLabel token: sentence.get(TokensAnnotation.class))
        {       
            String word = token.get(TextAnnotation.class);      
            String lemma = token.get(LemmaAnnotation.class); 
            System.out.println("lemmatized version :" + lemma);
        }
    }

    //...........lemmatization ends.........................

我得到的输出是：-

lemmatized version :painting

我期待的地方

lemmatized version :paint

请指点我。

Answer 1

这个例子中的问题是，“绘画”这个词可以是“要画”或“名词”的现在分词，而狐猴的输出取决于分配给原始单词的词性部分标记。

如果只在片段绘制上运行标签，那么就没有上下文可以帮助标记者(或人类)决定如何标记单词。在这种情况下，它选择了标签NN和引理的名词绘画实际上是绘画。

如果你用“我在画一朵花”这句话来运行相同的代码。标记者应该正确地将绘画标记为VBG，而狐猴应该返回油漆。