Parsing 如何为malt解析器将文本文件转换为CoNLL格式？

我正在尝试将malt解析器与预先制作的英语模型一起使用。但是，我不知道如何将英语句子的文本语料库转换为CoNLL格式，这是Malt解析器操作所必需的。我在网站上找不到任何文档。我该怎么做

---

更新。我引用这篇文章是为了创建一个.conll。但是，这是使用Stanford解析器的。

CoreNLP输出有一个CoNLL格式选项，但不幸的是，它不符合解析器的预期。（令人困惑的是，对于不同的比赛年份，有几种不同的通用CoNLL数据格式……）

如果在命令行中使用选项

-outputFormat conll

运行CoreNLP，您将获得以下TSV格式的输出（答案末尾的示例输出）：

MaltParser需要一种稍微不同的格式，但您可以自定义数据输入/输出格式。尝试将此内容放入

martparser/appdata/dataformat/mycoll.xml

：

<?xml version="1.0" encoding="UTF-8"?>
<dataformat name="myconll" reader="tab" writer="tab">
    <column name="ID" category="INPUT" type="INTEGER"/>
    <column name="FORM" category="INPUT" type="STRING"/>
    <column name="LEMMA" category="INPUT" type="STRING"/>
    <column name="POSTAG" category="INPUT" type="STRING"/>
    <column name="NER" category="IGNORE" type="STRING"/>
    <column name="HEAD" category="HEAD" type="INTEGER"/>
    <column name="DEPREL" category="DEPENDENCY_EDGE_LABEL" type="STRING"/>
</dataformat>

<?xml version="1.0" encoding="UTF-8"?>
<experiment>
    <optioncontainer>
...
        <optiongroup groupname="input">
            <option name="format" value="myconll"/>
        </optiongroup>
    </optioncontainer>
...
</experiment>

然后，您应该能够将CoreNLP CoNLL输出作为训练数据提供给解析器

未经测试，但如果文档是诚实的，这应该是可行的。资料来源：

---

CoreNLP CoNLL输出示例（我仅使用注释器

tokenize、ssplit、pos

）：

---

这是原始文本语料库还是树库？您需要有一个带有依赖项注释的语料库（依赖项树库或选区树库，可以转换为依赖项树库）。这只是一个原始文本语料库，上面我链接的帖子有一个通过Stanford解析器检索选区树库的过程，但这是一个.tree文件。我相信Malt解析器只接受.conll文件？

<?xml version="1.0" encoding="UTF-8"?>
<experiment>
    <optioncontainer>
...
        <optiongroup groupname="input">
            <option name="format" value="myconll"/>
        </optiongroup>
    </optioncontainer>
...
</experiment>

$ echo "This is a test." | java edu.stanford.nlp.pipeline.StanfordCoreNLP -annotators tokenize,ssplit,pos -outputFormat conll 2>/dev/null

1   This    this    DT  _   _   _
2   is  be  VBZ _   _   _
3   a   a   DT  _   _   _
4   test    test    NN  _   _   _
5   .   .   .   _   _   _