Nlp Parsey McParseface错误地识别问题的根

在我看来，帕西在正确标注问题和任何带有“是”的句子方面都有严重的问题

---

Text:Barrack Obama是夏威夷人吗？

GCloud令牌（正确）：

• 是-[根]动词吗
• 兵营-[nn]名词
• 奥巴马-[nsubj]名词
• from-[adp]PREP
• 夏威夷-[pobj]名词

Parsey令牌（错误）：

• 是-[cop]动词吗
• 兵营-[nsubj]名词
• 奥巴马-[根]名词
• from-[adp]PREP
• 夏威夷-[pobj]名词

帕西决定用名词（！）Obama作为词根，这会把其他一切都搞砸

---

文本：我的名字是菲利普

GCloud令牌（正确）：

• 我的[可能的]PRON
• 名称[名词]
• 是[根]动词吗
• 飞利浦[attr]名词

ParseyTokens（不正确）：

• 我的[可能的]PRON
• 名称[名词]
• [警察]是动词吗
• 菲利普[根]名词

帕西再次选择这个名词作为词根，并与COP斗争

---

你知道为什么会发生这种情况，以及我如何解决它吗

谢谢，

---

菲尔

我必须限定我的答案：我对帕西·麦克帕塞法的了解有限。不过，由于没有其他人回答，我希望我能增加一些价值

我认为大多数机器学习模型的一个主要问题是缺乏可解释性。这涉及到你的第一个问题：“为什么会发生这种情况？”很难说，因为这个工具是建立在一个“黑箱”模型上的，即神经网络。我要说的是，这似乎非常令人惊讶，因为一个像“是”这样的常用词总是愚弄它。你可能犯了什么错误吗？没有代码示例很难判断

我假设你没有犯错误，在这种情况下，我认为你可以通过利用你的观察来解决这个问题（或减轻它），你的观察结果是“是”这个词似乎会推翻这个模型。您可以简单地检查有问题的句子中的单词“is”，并在这种情况下使用GCloud（或其他解析器）。方便的是，一旦您同时使用了这两种方法，您就可以使用GCloud作为Parsey似乎失败的其他情况的后备方案，如果您将来发现它们的话

---

至于改进基础模型，如果您足够关心，您可以使用重新创建它，也许还可以优化培训以适应您的情况。

关于第一个示例，Parsey的培训数据似乎很旧，甚至没有提到“Barack”一词。 如果你用比尔·克林顿取代巴拉克·奥巴马，你会得到一个正确的解析

输入：比尔·克林顿是夏威夷人吗？
解析：
是VBZ根吗
+--克林顿NNP nsubj
|+--比尔NNP NNP
+--从预科
|+--夏威夷NNP pobj
+-- ? . 点刺

第二个例子是根据斯坦福依存关系正确解析的（参见中的“copula动词的处理”）

输入：我叫菲利普
解析：
Philip NNP根
+--名称NN nsubj
|+--我的PRP$poss
+--VBZ是警察吗

既然它正确地将巴拉克·奥巴马（Barack Obama）标记为两个名词，我不认为它对这个名字不熟悉是问题所在。我认为帕西禁止使用“is”作为词根

在理论依存语法中，名词永远不是完整句子的词根。然而，帕西并不遵循理论；它有一个强烈的偏好，就是把内容词做成标题。我认为它决定了当你说“X是Y”时，句子的开头应该是“X”而不是“is”，因为“is”不是一个信息丰富的词

---

…除了比尔·克林顿的例子，这可能证明我错了！我还没有让帕西在我自己的电脑上工作，所以我不确定

从未使用过Tensorflow，但只有标题值得投票^^