为什么我没有得到完全的依赖

Question

我尝试了在线演示和下载版本的依赖解析器。在线演示的增强依赖能够得到准确的结果。例如，“你能给我推荐一部由詹姆斯·卡梅隆和莱昂纳多·DiCaprio执导的电影吗？”产生的结果如下：

根(根-0，推荐-3)辅助(推荐-3，可以-1) nsubj (推荐-3，你-2) nsubj (电影-6，me-4 )(电影-6，a-5 ) det (推荐-3，电影-6) nsubjpass (导演-9，其中-7) nsubjpass (执行-14，其中-7)(额外)辅助传递(导演-9，是-8) acl:relcl (电影-6，导演-9)案例( Cameron-12，by-10 )复合( Cameron-12，詹姆斯-11)nmod:特工(导演-9，卡梅隆-12) cc (导演-9，-13) acl:relcl (电影-6，表演-14)(额外)conj:和(导演-9，代理-14)案件( DiCaprio-17，by-15 )化合物( DiCaprio-17，Leonardo-16 ) nmod:by (代理-14，DiCaprio-17 )

虽然两个动词“直接”和“行为”是用几个单词分开的，但在线演示能够识别它们都是指名词“电影”(acl:relcl (电影-6，导演-9 )，acl:relcl (电影-6，表演-14)(额外))。

然而，下面是我从斯坦福网站下载的jar文件的结果。CoreNLP版本为3.6.0：

根(ROOT-0，推荐-3)辅助(推荐-3，Can-1) nsubj(推荐-3，you-2) nsubj(电影-7，me-4) det(电影-7，a-5) amod(电影-7，浪漫-6)dobj(推荐-3，电影-7)nsubjpass(导演-10，电影-7)参考(电影-7，其中-8)辅助通行证(导演-10，是acl:relcl(电影-7，导演-10)案例(Cameron-13，by-11)复合(Cameron-13，by-11)詹姆斯-12)nmod:特工(导演-10，卡梅隆-13)cc(卡梅隆-13，-14)nmod:特工(指示-10，行动-15)conj:和(Cameron-13，代理-15)案件(DiCaprio-18，by-16)化合物(DiCaprio-18，Leonardo-17) nmod:by(执行-15，DiCaprio-18) t(建议-3，-19)

在这种情况下，解析器无法获得依赖acl:relcl (file-6，action-14)(额外)。

这是我的构造函数代码：

public CoreNlpParser() {
        props = new Properties();
        props.put("annotators", "tokenize, ssplit, pos, parse, lemma, depparse, ner");
        props.setProperty("depparse.extradependencies", "MAXIMAL");
        pipeline = new StanfordCoreNLP(props);
    }

我认为，通过将"depparse.extradependencies“设置为”最大“，我应该能够获得与在线演示程序相同的结果。我所缺少的是什么，我应该如何正确配置注释器？非常感谢

Answer 1

这段代码应该更接近在线演示。您希望使用PCFG解析器，而不是NN依赖解析器。

import java.io.*;
import java.util.*;
import java.util.Properties;
import java.util.zip.*;

import edu.stanford.nlp.io.IOUtils;
import edu.stanford.nlp.ling.*;
import edu.stanford.nlp.pipeline.*;
import edu.stanford.nlp.semgraph.*;
import edu.stanford.nlp.trees.*;
import edu.stanford.nlp.util.*;

public class EnhancedDependenciesDemo {

    public static void main (String[] args) {
        Properties props = StringUtils.argsToProperties(args);
        StanfordCoreNLP pipeline = new StanfordCoreNLP(props);
        Annotation ann = new Annotation("Can you recommend me a movie " +
                "which was directed by James Cameron and acted by Leonardo DiCaprio?");
        pipeline.annotate(ann);
        for (CoreMap sentence : ann.get(CoreAnnotations.SentencesAnnotation.class)) {
            Tree tree = sentence.get(TreeCoreAnnotations.TreeAnnotation.class);
            TreePrint treePrint = new TreePrint("typedDependenciesCollapsed");
            treePrint.printTree(tree);
        }
    }
}