nlp - Parsey McParseface 错误地识别问题的根源

Question

在我看来，Parsey 在正确标记问题和任何带有“is”的句子方面存在严重问题。

文本:巴拉克奥巴马是夏威夷人吗？

GCloud 代币(正确):

是 - [root] 动词

Barrack - [nn] 名词

奥巴马 - [nsubj] NOUN

来自 - [adp] PREP

夏威夷 - [pobj] NOUN

Parsey 代币(错误):

是 - [警察] 动词

Barrack - [nsubj] NOUN

奥巴马 - [root] NOUN

来自 - [adp] PREP

夏威夷 - [pobj] NOUN

Parsey 决定将名词 (!) Obama 设为词根，这将其他一切都搞砸了。

文字:我叫菲利普

GCloud 代币(正确):

我的 [poss] PRON

名称 [nsubj] 名词

是 [root] 动词

Philipp [attr] NOUN

ParseyTokens(不正确):

我的 [poss] PRON

名称 [nsubj] 名词

是 [警察] 动词

Philipp [根] 名词

parsey 再次选择 NOUN 作为词根并与 COP 斗争。

任何想法为什么会发生这种情况以及我如何解决它？

谢谢，
菲尔

Answer 1

关于第一个例子，Parsey 的训练数据似乎很旧，甚至没有提到“Barack”这个词。
如果你用比尔克林顿代替巴拉克奥巴马，你会得到一个正确的解析。

Input: Is Bill Clinton from Hawaii ?
Parse:
Is VBZ ROOT
+-- Clinton NNP nsubj
| +-- Bill NNP nn
+-- from IN prep
| +-- Hawaii NNP pobj
+-- ? . punct

第二个例子是根据斯坦福依赖关系正确解析的(参见 http://nlp.stanford.edu/software/dependencies_manual.pdf 中的“联结动词的处理”)。

Input: My name is Philip
Parse:
Philip NNP ROOT
+-- name NN nsubj
| +-- My PRP$ poss
+-- is VBZ cop