是否可以使用nlp自动改进用户生成的内容？
我们的目标是用一个不好的ugc句子，比如：no low beams or running lights..bulbs ok and high beams work!!!
并尝试将其改进为：No running lights or low beams. Bulbs are alright and the high beams are working!
任何建议都将不胜感激。
最佳答案
这是可能的。
首先，你必须解析句子并提取词性标签。为此，我推荐斯坦福解析器（不过，我确实鼓励您寻找替代方案）。
为了更好地理解我的答案，请在stanford parser的在线版本中键入第一个句子：http://nlp.stanford.edu:8080/corenlp/process
转到“折叠CC处理的依赖项”并查看依赖项树。
实际上，您需要做的是在依赖树中发现一个模式，然后相应地修改它例如，在这种情况下，您必须找到ok <- [amod] <- beams <- [dep] <- bulbs，检查bulbs是否是复数，并将ok替换为are all right如果bulbs是bulb（单数），则必须将其替换为is all right。
问题是，您需要花费大量时间编写规则以在依赖树中发现模式，甚至需要更多时间以您想要的方式处理它们。
一个更大的问题是，默认情况下这个句子是不干净的，这使得解析器很难相应地解析它。
对于您提供的示例，如果前面的单词是单数/复数形式的名词，则简单地将ok替换为is / are all right将是一个不太可靠但更简单的解决方案。不同的是，您不会使用依赖关系树，但我觉得这很容易出错。我也不确定它是否可以扩展到其他示例，而不仅仅是您提供的示例（因为它们几乎是相同的）。