parsing - 使用 NLTK 和 MaltParser 的依赖解析器

Question

我正在使用 NLTK 和 Maltparser 从自然语言句子中提取依赖关系。我使用斯坦福解析器和以下代码做了一些实验:

sentence =  '''I shot an elephant in my pajamas'''
os.popen("echo '"+sentence+"' > ~/stanfordtemp.txt")
parser_out = os.popen("/usr/local/Cellar/stanford-parser/2.0.3/bin/lexparser.sh ~/stanfordtemp.txt").readlines()

for i, tag in enumerate(parser_out):
    if len(tag.strip()) > 0 and tag.strip()[0] == '(':
        parse = " ".join(tag.strip())
        print i, "Parse: ", tag
    elif len(tag.strip()) > 0:
        print i, "Typed dependencies: ", tag 
bracketed_parse = " ".join( [tag.strip() for tag in parser_out if len(tag.strip()) > 0 and tag.strip()[0] == "("] )
print bracketed_parse

并得到了这个不错的结果:

Parsing [sent. 1 len. 7]: I shot an elephant in my pajamas

Parsed 7 words in 1 sentences (12,87 wds/sec; 1,84 sents/sec).
0 Parse:  (ROOT
1 Parse:    (S
2 Parse:      (NP (PRP I))
3 Parse:      (VP (VBD shot)
4 Parse:        (NP (DT an) (NN elephant))
5 Parse:        (PP (IN in)
6 Parse:          (NP (PRP$ my) (NNS pajamas))))))
8 Typed dependencies:  nsubj(shot-2, I-1)
9 Typed dependencies:  root(ROOT-0, shot-2)
10 Typed dependencies:  det(elephant-4, an-3)
11 Typed dependencies:  dobj(shot-2, elephant-4)
12 Typed dependencies:  poss(pajamas-7, my-6)
13 Typed dependencies:  prep_in(shot-2, pajamas-7)

使用 MaltParser，我有以下代码:

os.environ['MALTPARSERHOME']="/Applications/maltparser-1.7.2"
maltParser = nltk.parse.malt.MaltParser(working_dir="/Applications/maltparser-1.7.2", 
                                        mco="engmalt.linear-1.7",
                                        additional_java_args=['-Xmx1024m'])
txt = '''I shot an elephant in my pajamas'''
graph = maltParser.raw_parse(txt)
print(graph.tree().pprint())

和以下输出:

(pajamas (shot I) an elephant in my)

问题:我可以得到与使用斯坦福解析器时相同的输出吗？任何帮助都会很棒。

Answer 1

在 MALT 文档中浏览，我没有看到一个选项与您显示的详细的斯坦福解析器输出 100% 匹配，但您可以尝试使用 connlx 和 connlu 输出选项，看看它们是否具有您需要的信息.

http://www.maltparser.org/options.html

原则上，非投影依赖性分析可以通过 MALT 输出的转换重新表述为选区分析，这将为您提供括号，不需要太多的努力，但标记选区将需要更多的工作。