java - 如何使用Stanford NLP Tregex获得其中包含多个单词的名词短语？

我试图找出是否有可能使用多个单词的条件有效地提取NP。这是我当前的代码：

public static List<Tree> getNounPhrasesWithMultipleKeywords(Annotation doc,
        List<String> tags) {
    StringBuilder sb = new StringBuilder();
    boolean firstWord = true;

    for (int i = 0; i < tags.size(); i++) {
        String word = tags.get(i);
        String[] splitted = word.split(" ");
        for (String splitWord : splitted) {
            if (!firstWord) {
                sb.append(" &");
            }
            sb.append(" << " + splitWord);
            firstWord = false;
        }

    }
    // sb.append(")");

    TregexPattern pattern = TregexPattern.compile("NP < (__"
            + sb.toString() + ")");

    return getTreeWithPattern(doc, pattern);
}

现在，让我们说输入短语已经有了这棵树：

(ROOT (S (NP (ADJP (RB Poorly) (VBN controlled)) (NN asthma)) (VP (VBZ is) (NP (DT a) (JJ vicious) (NN disease))) (. .)))

我只想获取那些包含在函数参数中指定的标签的NP，例如对于输入[“受控”，“哮喘”]，它应该返回

(NP (ADJP (RB Poorly) (VBN controlled)) (NN asthma))

但是，当输入为[“ injection”，“ control”，“ asthma”]时，它不应返回任何内容。

如您所见，如果输入字符串之一是“多个单词”，则程序会将其拆分为单词。我认为应该有更好的解决方案，但是我不知道它应该如何工作。

最佳答案

我认为您只需要稍微调整一下模式即可。您并未真正给出所需的完整说明，但据我所知，["controlled", "asthma"]应该会导致类似(NP << (controlled .. asthma ))的模式，这意味着“名词短语包含“受控”，后跟“哮喘”。我不确定您希望“短语”如何工作；您是否要["controlled asthma"]表示“受控”，紧接着是“哮喘”，即(NP << (controlled . asthma))？

这是创建这些模式的函数的新版本：

  public static List<Tree> getNounPhrasesWithMultipleKeywords(Annotation doc,
                                                              List<String> tags) {
    List<String> phrases = new ArrayList<String>();

    for (int i = 0; i < tags.size(); i++) {
      String word = tags.get(i);
      String[] splitted = word.split(" ");
      phrases.add(join(" . ", Arrays.asList(splitted)));
    }
    String pattern_str = join(" .. ", phrases);
    TregexPattern pattern = TregexPattern.compile(
      "NP << (" + pattern_str + ")");
    return getTreeWithPattern(doc, pattern);
  }

  // In Java 8 use String.join.
  public static String join(String sep, Collection<String> strs) {
    System.out.println(strs);
    StringBuilder sb = new StringBuilder();
    boolean first = true;
    for (String s : strs) {
      if (!first) {
        sb.append(sep);
      }
      sb.append(s);
      first = false;
    }
    return sb.toString();
  }

此函数提供您在示例中指定的输出。