在StanfordNLP中查找对所提供名词的所有引用

我试图解析一些文本以查找对特定项的所有引用。因此，例如，如果我的项目是葵河上的桥，我通过了这个文本，我希望它能找到我用粗体显示的所有实例

桂河大桥是一部1957年英美史诗战争电影 导演大卫·莱恩，主演威廉·霍顿、杰克·霍金斯、亚历克 《吉尼斯世界纪录大全》和《早川芝苏》<这部电影是一部虚构的作品，但是 借用1942-1943年缅甸铁路的建设，用于 历史背景这部电影是在锡兰（现在的斯里兰卡）拍摄的。 电影中的桥在基图格拉附近

到目前为止，我一直在尝试遍历每个核心链上的所有提及，并循环遍历那些寻找我的目标字符串的内容。如果我找到目标字符串，我将添加整个CorefChain，因为我认为这意味着该CorefChain中的其他项也引用相同的内容

List<CorefChain> gotRefs = new ArrayList<CorefChain>();
String pQuery = "The Bridge on the River Kwai";

for (CorefChain cc : document.get(CorefCoreAnnotations.CorefChainAnnotation.class).values()) {
    List<CorefChain.CorefMention> corefMentions = cc.getMentionsInTextualOrder();
    boolean addedChain = false;
    for (CorefChain.CorefMention cm : corefMentions) {
        if ((!addedChain) && 
                (pQuery.equals(cm.mentionSpan))) {
            gotRefs.add(cc);
            addedChain = true;
        }
    }
}

List gotRefs=new ArrayList（）；
String pQuery=“桂河上的桥”；
for（CorefChain cc:document.get（CorefCoreAnnotations.CorefChainAnnotation.class）.values（））{
List corefments=cc.getReferencesIntextualorder（）；
布尔加法链=假；
用于（核心链。核心规则cm：核心规则）{
如果（！addedChain）和
（pQuery.equals（cm.span）））{
gotRefs.add（cc）；
addedChain=true；
}
}
}

然后，我循环浏览第二个核心链列表，重新检索每个链的提及，并逐步浏览它们。在这个循环中，我展示了哪些句子可能在句子中提到我的项目

for (CorefChain gr : gotRefs) {
    List<CorefChain.CorefMention> corefMentionsUsing = gr.getMentionsInTextualOrder();
    for (CorefChain.CorefMention cm : corefMentionsUsing) {
        //System.out.println("Got reference to " + cm.mentionSpan + " in sentence #" + cm.sentNum);
    }
}

for（CorefChain gr:gotRefs）{
List COREFMATIONSUSING=gr.GetReferencesIntextualorder（）；
用于（CorefChain.CorefMationCM:CorefMationSusing）{
//System.out.println（“在句子#“+cm.sentNum”中获得对“+cm.sinetespan+”的引用）；
}
}

---

它找到了我的一些参考资料，但没有那么多，并且产生了很多误报。从阅读这篇文章可以明显看出，我真的不知道NLP的第一件事——我是不是走错了路？是否有一个StanfordNLP解析器已经完成了我想要的部分工作？我应该以某种方式培训一个模型吗？

我认为您的示例的一个问题是，您正在查找电影标题的引用，而斯坦福CoreNLP不支持识别电影标题、书籍标题等

如果你看这个例子：

“乔买了一台笔记本电脑。他对它很满意。”

您会注意到它连接：

“乔”->“他”

及

“笔记本电脑”->“它”

---

共指是一个活跃的研究领域，即使是最好的系统也只能在一般文本上产生60.0左右的F1，这意味着它经常会出错。

我应该在此指出，“这真的不容易做到”将被视为一个有效的答案，如果答案是这样的话。：）非常感谢你！我有没有办法训练它识别这个标题？我不介意它是否认出它是一个人或什么。