在java中使用postagger后从单词中删除标记

我使用斯坦福大学的NLP postagger标记程序中的名词和形容词

    interest_NN 
    bui_NNS 
    ground_VBP
     avail_NN 
    respond_NN
     detail_NN 
    like_IN 
    quickli_NNS
    current_JJ 

现在我必须只选择那些有标记_NN，_NNS，_JJ的单词，并从单词中删除这些标记

    quickli
    current
    avail

我试图这样从单词中删除-NN标记。但它删除了前两个单词的标签，并从中得到了例外

           while(tagread.hasNext())
           {
        String s=tagread.next();

        int flag=1;
        jTextArea2.append("\n" +s.toLowerCase());


        String ofInterest2 = s.substring(0, s.indexOf("_NN"));


         for(int i=0;i<s.length();i++){
             if(s.equals(ofInterest2))
                 {
                 flag=0;
                 }
         }
         if(flag!=0)
         {
             System.out.println(ofInterest2);

         }
    }

---

那么我的方法有什么问题？或者如何继续？

不要使用字符串方法删除标记器文本；使用NLP的API提取词性以进行比较

生成

标记DWORD

对象的

列表

，然后使用直接提取词性：

// Call the API to parse your sentence.
List<TaggedWord> words = tagger.tagSentence( ... );

// For each word tagged in the sentence...
for( TaggedWord word : words ) {
  String tag = word.tag();

  // Check the part-of-speech directly, without having to parse the string.
  if( "NN".equalsIgnoreCase( tag ) ) {
    System.out.printf( "%s is a noun\n", word.word() );
  }
}

这是因为词类可以通过多种方式进行标记（例如NN、NNS）。您可以使用正则表达式或

你应该要求

TaggedWord

的作者提供一个

isNoun

isVerb

，

isnounumple

和其他类似方法。也就是说，可以使用正则表达式来匹配字符串。我还在代码中使用

startsWith

检查名词，因为它比正则表达式快。例如：

if( tag != null && tag.toUpperCase().startsWith( "NN" ) ) {
  System.out.printf( "%s is a noun\n", word.word() );
}

---

要成为真正的OO，请为tagger注入一个子类TaggedWord。然后子类将公开

isNoun

方法。

indexOf

在字符串中找不到您提供的参数时返回-1。在这一行：

String ofInterest2 = s.substring(0, s.indexOf("_NN"));

---

s.indexOf

可能在字符串

s

中未找到“\NN”。然后，当您请求从s的

0

到

-1

的子字符串时，这没有意义，因此您会得到一个异常。

您试图获取整个文本“ground\u VBP”的子字符串，但您传入了

s.indexOf（“\u NN”）

的结果。未找到子字符串，因此它返回

-1

。但是

-1

不是

子字符串

函数的有效索引，因此

子字符串

抛出了您报告的

StringIndexOutOfBoundsException

---

只有当

indexOf

方法返回0或更大的值（即找到了它）时，才应该使用子字符串。

您能提供简单的示例吗？我用斯坦福德邮戳。给我一些NLAPI。谢谢你的建议，我试着用另一种方法。比如使用regex检查字符串的结尾，比如像_NNP、_VRB等结尾，然后使用replace all删除整个字符串。这个方法正确吗？除了我的方法之外，还有更好的方法吗？可能有一个“postagger”方法来做到这一点；我不知道。我对它不熟悉。我刚刚看到了您的方法导致

StringIndexOutOfBoundsException

的原因。

if( tag != null && tag.toUpperCase().startsWith( "NN" ) ) {
  System.out.printf( "%s is a noun\n", word.word() );
}

String ofInterest2 = s.substring(0, s.indexOf("_NN"));