Nlp 查找实体和词性标记文本的推理/提取信息

让我们假设我从以下文本开始：

I love Toyota Camrys and hate Ferraris

我使用像Stanford CoreNLP这样的POS标记器，并得到以下注释：

I_PRP love_VBP Toyota_NNP Camrys_NNPS and_CC hate_VB Ferraris_NNP

让我们假设我有一个命名实体识别器，并且能够根据上述符号识别凯美瑞和法拉利

我希望能够对上述句子进行推理，例如，我推断出以下内容：

• 我讨厌凯美瑞
• 我喜欢法拉利

甚至可能：

• 我讨厌丰田制造的东西
• 我讨厌法拉利制造的东西

我目前正在使用手动编码的启发式和时隙匹配来执行上述操作

问：有没有更标准的方法来实现这一点

---

例如，我从Gate运行到JAPE Java Annotation Patterns Engine——这是工具链的一部分做的事情吗

1） 写你自己的日语语法。这并不像看上去那么难。网上有很多日本手册。首先，对于

“gate-jape-manual”

来说，似乎可以启动了。此外，GATE ANNIE现有的日语语法可以为您的任务提供很好的示例和想法

开始时，您会尝试为GATE Gazetter创建自己的词典，其中包含品牌名称条目（丰田、法拉利、e.t.c.），以创建“查找”注释。那么你的日本规则将包含如下规则

规则：LoveBrand
(
{Token.kind==word，Token.string=“I”}
{Token.kind==word，Token.string=“love”}
{Lookup.majorType==“品牌”}
)：标签
-->
：label.preference={rule=“LoveBrand”}

2） 用在大门上。它将为依赖项和树节点创建两种类型的注释。依赖项是成对词之间的类型化链接，树节点是折叠成树的依赖项。只要试着在GATE Developer GUI中使用Parser_Stanford插件，您就会知道如何在任务中使用它

你可以处理你的

“我爱丰田凯美瑞，恨法拉利。”

继续，看看斯坦福解析器能做些什么。尤其需要类型为

dobj

的依赖项。如果您想使用其他斯坦福依赖项，则有一个包含所有可能依赖项的描述

---

用于GATE的Parser_Stanford插件只是将Stanford依赖项的注释添加到您的文档中。您可以使用JAPE语法添加GATE Transformer处理资源，并将其添加到GATE Developer中的处理资源序列中，在Parser_Stanford之后处理为Stanford依赖项创建的注释。

您是否尝试查看依赖项解析树？@ChthonicProject，--我想我应该把它加到我的阅读清单上。谢谢你详细的回答。你的回答基本上是说走关卡/日本路线。有没有竞争的方法？其他开源工具？@user1172468-你可以看看UIMA（）、OpenNLP（）和NLTK（）项目。谢谢你，我看过OpenNLP和ntlk，但没有看过UIMA。谢谢