Nlp 识别介词和单个词性

我试图为段落中的每个单词找到正确的词性。我正在使用斯坦福POS标记器。然而，我被困在一个点上

我想从段落中找出介词

Penn Treebank Tagset说：

IN  Preposition or subordinating conjunction

---

如何确定当前单词是介词还是从属连词。在这种情况下，如何从段落中只提取介词？

您不能确定。这个有点奇怪的词性的原因是，很难自动确定例如for是介词还是从属连词。因此，为了使自动标记器具有更好的精度，这一区别被简单地忽略了。请注意，还有一个标记

TO

，它表示TO的任何出现，而不管它作为介词、不定式粒子或其他什么（我认为还有其他的）

---

如果你需要正确地识别介词，你需要用一个修改过的标记集重新训练一个标记者，或者训练一个分类器，它接受带词性标记的文本，并且只进行最后的消歧。

我有了一些突破，来理解这个词实际上是介词还是从属连词

我已经分析了以下句子：

她很早就走了，因为迈克和他的新女友到了

（这里因为是从属连词）

词性标注后

她很早就离开了，因为迈克·纳普和你一起到了 他的新女友

在这里，为了确定是否是介词，我已经分析了这个句子

这里是因为在作为SBAR（从属从句）的IN之后有直接父项作为根

with也属于IN，但它的直接父项将是PP，因此它是一个介词

示例2:

把你的手放在伤口上，直到护士叫你把它取下来。 （此处为协调连接）

词性标注是：

将你的手放在伤口上，直到伤口愈合 护士叫你把它取下来

因此，直到和on在中标记为

然而，当我们实际解析这个句子时，情况变得更清楚了

所以最后我得出结论，因为是从属连词，而with是介词。

尝试了许多不同的句子。。在之前和之后的一些情况除外，几乎所有情况下都有效。

---

这当然是一个计算成本很高但很复杂的解决方案。我们可以使用Tregex或Tsurgeon来进一步减少计算时间。我的意思是解析本身（而不是搜索树）首先是很昂贵的。一般来说，这没什么错，这取决于具体情况。如果您需要连续处理大量文本，词性标记应该仍然可行，但解析可能不可行。