是否可以使用LexicalizedParser类来执行“纯粹”依赖关系解析？

我正在尝试使用Stanford NLP工具包来评估依赖关系语法。是否可以使用LexicalizedParser类来执行“纯粹”依赖关系解析？

是否有可能让LexicalizedParser类仅使用来自模型文件的DEPENDENCY_GRAMMAR部分的规则？

将模型文件的其他部分留空将导致异常，并且在模型文件中将'doPCFG'标志更改为'false'将导致ExhaustiveDependencyParser.getBestScore中的空指针异常。

看来，LexicalizeParser类将依赖（选区）PCFG当它不能使用的相关性规则解析输入。

这是正确的吗？此行为是否可以关闭，以便可以独立评估依赖关系语法？

2015-11-06 Edmond Lepedus

什么你要找的是Stanford Dependency Parser，只产生了依赖解析器，而不是一个选区解析。相比之下，词法分析器只产生一个选区分析，然后将其转换为转换器的依赖分析。因此，没有选择不产生这个选区分析，并且仍然产生一个依赖分析，因为转换器没有任何转换。

如果你只是在做语法形式主义的评价，但是，你可以考虑使用黄金树的依赖转换器，或使用新的通用依赖注释的数据。

来源

2015-11-06 17:53:36

我认为斯坦福依存句法，但它是基于神经网络的，它的模型由特征向量，而不是传统的语法规则。是否有可能加载依赖语法，还是仅仅是对它进行培训？ –

就我所知，就PCFG语法分析器的语法而言，没有“依赖语法”这样的东西。我所知的所有依赖关系解析器都具有某种类似的依赖关系arc分类器 - 无论是用于在MST算法中对弧进行评分还是在shift-reduce框架中评分解析操作。神经解析器也不例外;它只是使用神经网络作为分类器。 –

当然..我只是想到了LexicalizedParser模型的DEPENDENCY_GRAMMAR部分中使用的那种表示，可以比一个50元素的矢量更容易读取和评估它。如：' “比/ IN” - > “领头羊/ NN” 左0 1.0' VS '绑-0.6479344878343402 0.5893377057407623 1.0174283134652544 0.7000564156722917 -0.004831055643038269 ... ... ... 0.7715736625830979' –

是否可以使用LexicalizedParser类来执行“纯粹”依赖关系解析？

回答

相关问题