scala - Scala 中的词性标注

Question

我尝试使用斯坦福解析器在 Scala 中对句子进行 POS 标记，如下所示

val lp:LexicalizedParser = LexicalizedParser.loadModel("edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz");
lp.setOptionFlags("-maxLength", "50", "-retainTmpSubcategories")
val s = "I love to play"
val parse :Tree =  lp.apply(s)
val taggedWords = parse.taggedYield()
println(taggedWords)

我收到一个错误 类型不匹配;发现:java.lang.String 需要:java.util.List[_ <:edu.stanford.nlp.ling.HasWord] 在线 val 解析:树 = lp.apply(s)

我不知道这是否是正确的做法。有没有其他简单的方法可以在 Scala 中对句子进行 POS 标记？

Answer 1

您可能会考虑使用 FACTORIE 工具包 ( http://github.com/factorie/factorie )。它是一个用于机器学习和图形模型的通用库，恰好包括一套广泛的自然语言处理组件(标记化、标记归一化、形态分析、句子分割、词性标注、命名实体识别、依赖解析、提及发现，共指)。

此外，它完全用 Scala 编写，并在 Apache 许可下发布。

目前文档很少，但将在 future 几个月得到改进。

例如，一旦基于 Maven 的安装完成，您可以在命令行输入:

bin/fac nlp --pos1 --parser1 --ner1

启动一个监听套接字的多线程 NLP 服务器。然后通过将纯文本传输到其套接字号来查询它:

echo "Mr. Jones took a job at Google in New York.  He and his Australian wife moved from New South Wales on 4/1/12." | nc localhost 3228

然后输出是

1       1       Mr.             NNP     2       nn      O
2       2       Jones           NNP     3       nsubj   U-PER
3       3       took            VBD     0       root    O
4       4       a               DT      5       det     O
5       5       job             NN      3       dobj    O
6       6       at              IN      3       prep    O
7       7       Google          NNP     6       pobj    U-ORG
8       8       in              IN      7       prep    O
9       9       New             NNP     10      nn      B-LOC
10      10      York            NNP     8       pobj    L-LOC
11      11      .               .       3       punct   O

12      1       He              PRP     6       nsubj   O
13      2       and             CC      1       cc      O
14      3       his             PRP$    5       poss    O
15      4       Australian      JJ      5       amod    U-MISC
16      5       wife            NN      6       nsubj   O
17      6       moved           VBD     0       root    O
18      7       from            IN      6       prep    O
19      8       New             NNP     9       nn      B-LOC
20      9       South           NNP     10      nn      I-LOC
21      10      Wales           NNP     7       pobj    L-LOC
22      11      on              IN      6       prep    O
23      12      4/1/12          NNP     11      pobj    O
24      13      .               .       6       punct   O

当然，所有这些功能也有一个编程 API。

import cc.factorie._
import cc.factorie.app.nlp._
val doc = new Document("Education is the most powerful weapon which you can use to change the world.")
DocumentAnnotatorPipeline(pos.POS1).process(doc)
for (token <- doc.tokens)
  println("%-10s %-5s".format(token.string, token.posLabel.categoryValue))

将输出:

Education  NN   
is         VBZ  
the        DT   
most       RBS  
powerful   JJ   
weapon     NN   
which      WDT  
you        PRP  
can        MD   
use        VB   
to         TO   
change     VB   
the        DT   
world      NN   
.          .