Parsing 如何使用StanfordNLP Python包进行依赖项解析？

我正在尝试使用新的基于NN的语法分析器来查找一个句子中的所有形容词短语（例如，

好的

和

非常好的

在

天气非常好的

），但是，它非常缺乏文档，我无法让它工作。我现在的代码是

import stanfordnlp
nlp = stanfordnlp.Pipeline()
doc = nlp("The weather is extremely good")
doc.sentences[0].print_dependencies()

这让我

('The', '2', 'det')
('weather', '5', 'nsubj')
('is', '5', 'cop')
('extremely', '5', 'advmod')
('good', '0', 'root')

---

但不清楚如何提取我需要的信息，因为这似乎不是一个树结构。有人有什么想法吗？

目前，Python不支持您想要的选区解析。这只是返回依赖项解析（另一种类型的解析）

您可以使用

stanfordnlp

与Java服务器通信，并以这种方式获取选区解析

这里有用于访问选区分析的示例代码：

---

输出中指定的每个单词的数字索引表示调控器单词（该单词的开头）的索引

例如，单词

“是否”

是单词

“Good”

的子单词（索引为5，因为

“Good”

是实际句子中的第五个单词），因此它采用其调控者（head）索引，这里是5（

“Good”

）

---

您可以从

获取依赖结构表示，并将其与基于我的描述的表示进行比较，以便更好地进行说明。

感谢您的回复。然而，我们如何解释上面的输出？我还必须使用依赖项解析器，我也有同样的问题。如何解释/处理该输出？此外，将这些依赖性原始数据信息提供给LSTM语言模型有意义吗？