java - 文本简化工具(Java)

Closed. This question does not meet Stack Overflow guidelines。它当前不接受答案。












想改善这个问题吗？更新问题，以便将其作为on-topic用于堆栈溢出。

7年前关闭。



Improve this question




使用Java可以简化文本的最佳工具是什么？

这是文本简化的示例:

John, who was the CEO of a company, played golf.
                       ↓
John played golf. John was the CEO of a company.

最佳答案

我认为您的问题是将复杂或复合句子转换为简单句子的任务。
根据文献Sentence Types，从一个独立的子句构建一个简单的句子。复合和复杂的句子至少由两个子句构成。另外，从句必须具有主语和动词。
因此，您的任务是将句子分解为构成句子的子句。
Stanford CoreNLP的依赖项解析是将复合句和复杂句拆分为简单句的理想工具。您可以尝试demo online。
从您的示例语句中，我们将获得 Stanford类型依赖项(SD)表示法的解析结果，如下所示:

可以从关系中(在SD中)识别一个子句，该子句是主题类别，例如 nsubj ， nsubjpass 。参见Stanford Dependency Manual
可以从头作为动词部分以及从依赖作为主语部分中提取基本从句。根据上面的SD，有两个基本子句，即

John首席执行官

约翰扮演

获得基本从句后，可以添加另一部分，使从句成为一个完整而有意义的句子。为此，请咨询Stanford Dependency Manual。
顺便说一句，您的问题可能与Finding meaningful sub-sentences from a sentence有关

回答第三条评论:
一旦获得了一对主语动词即 nsubj(CEO-6, John-1) ，就获取所有具有链接到该依存关系的依存关系，除了属于该类别的任何依存关系之外，然后从这些依存关系中提取唯一的单词。
基于示例 nsubj(CEO-6, John-1) ，如果您开始从遍历John-1 遍历，您将获得 nsubj(played-11, John-1) ，但是由于其类别是主题，因此应忽略它。
下一步是从 CEO-6 部分遍历。你会得到

从上面的结果中，您可以遍历新的依赖项(即，找到另一个在头部或依赖项中包含 was-4, the-5, company-9 的依赖项)。
现在您的依赖项是

在此步骤中，您已经遍历了与 nsubj(CEO-6, John-1) 链接的所有依赖项。接下来，从所有首字母和从属字母中提取单词，然后根据这些单词后面附加的数字以升序排列。此数字表示原始句子中的单词顺序。

我们的新句子缺少一部分，即 of 。这部分隐藏在 prep_of(CEO-6, company-9) 中。如果您阅读Stanford Dependency Manual，则有两种 SD :折叠的和非折叠的。请阅读它们，以了解为什么隐藏此 of 以及如何获取此隐藏部分的单词顺序。
用同样的方法，你会得到第二句话