Java 如何打印依赖关系图的一部分_Java_Nlp_Stanford Nlp

Java 如何打印依赖关系图的一部分

java nlp stanford-nlp

Java 如何打印依赖关系图的一部分,java,nlp,stanford-nlp,Java,Nlp,Stanford Nlp,我想打印依赖关系图的子树。特别是对于句子“I转动红肉”和起始词meat NN，输出应该是：“红肉” 现在我是这样做的： protected String printSubGraph(IndexedWord startingWord, SemanticGraph graph) { Iterable<SemanticGraphEdge> outiter = graph.outgoingEdgeIterable(startingWord); // set the defa

我想打印依赖关系图的子树。特别是对于句子“

I转动红肉

”和起始词

meat NN

，输出应该是：“

红肉

”

现在我是这样做的：

protected String printSubGraph(IndexedWord startingWord, SemanticGraph graph) {
    Iterable<SemanticGraphEdge> outiter = graph.outgoingEdgeIterable(startingWord);

    // set the default bounds to the startingWord 
    int start = startingWord.beginPosition();
    int end = startingWord.endPosition();

    // search the next level for larger bounds
    // assume that everything in between the bounds belongs to the sub-graph of the startingWord
    for (SemanticGraphEdge edge : outiter) {
        start = Math.min(start, edge.getGovernor().beginPosition());
        start = Math.min(start, edge.getDependent().beginPosition());
        end = Math.max(end, edge.getGovernor().endPosition());
        end = Math.max(end, edge.getDependent().endPosition());
    }

    return graph.toRecoveredSentenceString().substring(start, end);
}

受保护的字符串打印子图（IndexedWordStartingWord、SemanticGraph图）{
Iterable outiter=图形。outgoingEdgeIterable（startingWord）；
//将默认边界设置为startingWord
int start=startingWord.beginPosition（）；
int end=startingWord.endPosition（）；
//搜索下一个级别以获得更大的边界
//假设边界之间的所有内容都属于startingWord的子图
for（SemanticGraphEdge:outiter）{
start=Math.min（start，edge.getGovernor（）.beginPosition（））；
start=Math.min（start，edge.getDependent（）.beginPosition（））；
end=Math.max（end，edge.getGovernor（）.endPosition（））；
end=Math.max（end，edge.getDependent（）.endPosition（））；
}
返回graph.toRecoveredSentenceString（）子字符串（开始、结束）；
}

这是不好的，原因有三：

我假设标记之间的所有内容都属于起始词的子树

我不会在整个子树中搜索更大的边界

我假设图形是整个文本，并且边界对于RecoveredSentenceString是有效的。（如果原文包含多个句子，则不正确。）

有没有一种方法可以从SemanticGraph或CoreMap中获取此子树（并且仅此子树），而无需自己实现DFS？我知道，但我不知道如何在树中定位IndexedWord。

也许您要找的不是依赖项解析，而是短语结构解析

你的判决是：

我把红肉翻过来

其短语结构解析为：

（根（S）（NP（PRP I））（副总裁（VBP轮）（NP（DT）（JJ红）（NN肉）））（……））

您可以填写以下表格的一部分：

NP<（NN<肉）

获取所需子树或

获取所有名词短语。

也许您要找的不是依赖项分析，而是短语结构分析