java - 如何使用Stanford Parser获得德语句子的GrammaticalStructure对象？

我将Stanford Parser（版本3.5.2）用于NLP应用程序，该应用程序依赖于对依赖关系分析以及来自其他来源的信息的分析。到目前为止，我已经将其用于英语，如下所示：

import java.io.StringReader;
import java.util.ArrayList;
import java.util.LinkedList;
import java.util.List;

import edu.stanford.nlp.ling.HasWord;
import edu.stanford.nlp.ling.TaggedWord;
import edu.stanford.nlp.process.Tokenizer;
import edu.stanford.nlp.parser.lexparser.LexicalizedParser;
import edu.stanford.nlp.trees.GrammaticalStructure;
import edu.stanford.nlp.trees.GrammaticalStructureFactory;
import edu.stanford.nlp.trees.TreebankLanguagePack;
import edu.stanford.nlp.trees.TypedDependency;


/**
* Stanford Parser Wrapper (for Stanford Parser Version 3.5.2).
*
*/

public class StanfordParserWrapper {

public static void parse(String en, String align, String out) {

// setup stanfordparser
String grammar = "edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz";
String[] options = { "-outputFormat", "wordsAndTags, typedDependencies" };
LexicalizedParser lp = LexicalizedParser.loadModel(grammar, options);
TreebankLanguagePack tlp = lp.getOp().langpack();
GrammaticalStructureFactory gsf = tlp.grammaticalStructureFactory();

// read document
Iterable<List<? extends HasWord>> sentences;
Reader r = new Reader(en);
String line = null;
List<List<? extends HasWord>> tmp = new ArrayList<List<? extends HasWord>>();
while ((line = r.getNext()) != null) {
    Tokenizer<? extends HasWord> token = tlp.getTokenizerFactory()
        .getTokenizer(new StringReader(line));
    List<? extends HasWord> sentence = token.tokenize();
    tmp.add(sentence);
}
sentences = tmp;

Reader alignment = new Reader(align);
Writer treeWriter = new Writer(out);

// parse
long start = System.currentTimeMillis();
// System.err.print("Parsing sentences ");
int sentID = 0;
for (List<? extends HasWord> sentence : sentences) {
    Tree t = new Tree();
    t.setSentID(++sentID);
    System.out.println("parse Sentence " + t.getSentID() + " "
        + sentence + "...");
    // System.err.print(".");

    edu.stanford.nlp.trees.Tree parse = lp.parse(sentence);

    // ROOT node
    Node root = new Node(true, true);
    t.setNode(root);

    // tagging
    int counter = 0;
    for (TaggedWord tw : parse.taggedYield()) {
    Node n = new Node();
    n.setNodeID(++counter);
    n.setSurface(tw.value());
    n.setTag(tw.tag());
    t.setNode(n);
    }

    t.setSentLength(t.getNodes().size() - 1);

    // labeling
    GrammaticalStructure gs = gsf.newGrammaticalStructure(parse);
    List<TypedDependency> tdl = gs.typedDependenciesCCprocessed();
    for (TypedDependency td : tdl) {
    Node dep = t.getNodes().get(td.dep().index());
    Node gov = t.getNodes().get(td.gov().index());
    dep.setLabel(td.reln().toString());
    gov.setChild(dep);
    dep.setParent(gov);
    }

    // combine with alignment
    t.initialize(alignment.readNextAlign());
    treeWriter.write(t);
}
long stop = System.currentTimeMillis();
System.err.println("...done! [" + (stop - start) / 1000 + " sec].");

treeWriter.close();
}

public static void main(String[] args) {
if (args.length == 3) {
    parse(args[0], args[1], args[2]);
} else {
    System.out.println("Usage:");
}
}
}

“节点”和“树”是我自己的类，而不是斯坦福解析器的类。

我的问题是：我该如何为德语做同样的事情？当我将英语语法模型替换为“ edu / stanford / nlp / models / lexparser / germanPCFG.ser.gz”时，出现以下异常：

Exception in thread "main" java.lang.UnsupportedOperationException: No GrammaticalStructureFactory defined for edu.stanford.nlp.trees.international.negra.NegraPennLanguagePack
at edu.stanford.nlp.trees.AbstractTreebankLanguagePack.grammaticalStructureFactory(AbstractTreebankLanguagePack.java:591)
at StanfordParserWrapper.parse(StanfordParserWrapper.java:46)
at StanfordParserWrapper.main(StanfordParserWrapper.java:117)

“ germanFactored”模型也是如此。显然，我需要在这里做一些不同的事情，因为德国模型不支持GrammaticalStructureFactory。有什么方法仍然可以从德语文本中获取GrammaticalStructure，还是必须完全不同地为德语编写代码？如果是这样，我将不胜感激一些指针，我已经寻找了很多信息，但是找不到我想要的东西。

这似乎很相关：How to parse languages other than English with Stanford Parser？ in java, not command lines但是，它只是告诉我，中国模型支持GrammaticalStructureFactory，但不支持德语解析。

非常感谢，

Ĵ

最佳答案

你不知道Stanford解析器不支持德语的依存关系分析（这是从GrammaticalStructureFactory获得的）。

您可以尝试其他依赖项解析器。尽管斯坦福用户将构成树转换为依存关系树是基于规则的，但替代方法通常是概率性的。


mate-tools具有依赖项解析和德语模型
您可以使用MaltParser自己滚动（我认为有些Tüba D/Z语料库的版本与MaltParser兼容）
或者您可以查看ParZu（但请注意，它是Prolog）

关于java - 如何使用Stanford Parser获得德语句子的GrammaticalStructure对象？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/31975893/