Scala中的词性标注

我尝试使用斯坦福语法分析器在Scala中对一个句子进行POS标记，如下所示

val lp:LexicalizedParser = LexicalizedParser.loadModel("edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz");
lp.setOptionFlags("-maxLength", "50", "-retainTmpSubcategories")
val s = "I love to play"
val parse :Tree =  lp.apply(s)
val taggedWords = parse.taggedYield()
println(taggedWords)

---

我得到一个错误类型不匹配；找到：java. Lang.Stand需要：java .U.L.List[[ P> > ]，您可能会考虑FATTROION工具包（）。它是一个通用的机器学习和图形模型库，它包含了一个广泛的自然语言处理组件套件。（标记化、标记规范化、形态分析、句子切分、词性标注、命名实体识别、依存分析、提及查找、共指代）

此外，它完全是用Scala编写的，并且是根据Apache许可证发布的

目前文档很少，但在未来几个月将有所改进

例如，基于Maven的安装完成后，可以在命令行中键入：

bin/fac nlp --pos1 --parser1 --ner1

要启动套接字侦听多线程NLP服务器，请执行以下操作。然后通过将纯文本传送到其套接字编号进行查询：

echo "Mr. Jones took a job at Google in New York.  He and his Australian wife moved from New South Wales on 4/1/12." | nc localhost 3228

然后输出为

1       1       Mr.             NNP     2       nn      O
2       2       Jones           NNP     3       nsubj   U-PER
3       3       took            VBD     0       root    O
4       4       a               DT      5       det     O
5       5       job             NN      3       dobj    O
6       6       at              IN      3       prep    O
7       7       Google          NNP     6       pobj    U-ORG
8       8       in              IN      7       prep    O
9       9       New             NNP     10      nn      B-LOC
10      10      York            NNP     8       pobj    L-LOC
11      11      .               .       3       punct   O

12      1       He              PRP     6       nsubj   O
13      2       and             CC      1       cc      O
14      3       his             PRP$    5       poss    O
15      4       Australian      JJ      5       amod    U-MISC
16      5       wife            NN      6       nsubj   O
17      6       moved           VBD     0       root    O
18      7       from            IN      6       prep    O
19      8       New             NNP     9       nn      B-LOC
20      9       South           NNP     10      nn      I-LOC
21      10      Wales           NNP     7       pobj    L-LOC
22      11      on              IN      6       prep    O
23      12      4/1/12          NNP     11      pobj    O
24      13      .               .       6       punct   O

当然，所有这些功能都有一个编程API

import cc.factorie._
import cc.factorie.app.nlp._
val doc = new Document("Education is the most powerful weapon which you can use to change the world.")
DocumentAnnotatorPipeline(pos.POS1).process(doc)
for (token <- doc.tokens)
  println("%-10s %-5s".format(token.string, token.posLabel.categoryValue))

---

我相信Stanford解析器的API已经发生了一些变化，有时也是如此。

apply

有签名，

public Tree apply（java.util.List我发现了一种在Scala中进行词性标记的非常简单的方法

步骤1

从下面的链接下载stanford tagger 3.2.0版


步骤2

将文件夹中的stanford postaggerjar添加到项目中，并将english-left3words-distsim.tagger文件放置在项目的models文件夹中

然后，使用下面的代码，您可以在Scala中对句子进行pos标记

              val tagger = new MaxentTagger(
                "english-left3words-distsim.tagger")
              val art_con = "My name is Rahul"
              val tagged = tagger.tagString(art_con)
              println(tagged)

输出：My_PRP$name_NN is_VBZ Rahul_NNP
我刚刚在构建路径中添加了factorie-1.0.0-M6.jar，它在documentannotorpipeline.process（pos.POS1，doc）行上显示错误“not found:value documentannotorpipeline”。我需要添加更多的JAR来让它工作吗？你需要GitHub的最新版本。我们希望在几周内实现另一个里程碑。有scala绑定使它更容易！安装起来需要一些工作，但之后整个过程会压缩到一行。库是
              val tagger = new MaxentTagger(
                "english-left3words-distsim.tagger")
              val art_con = "My name is Rahul"
              val tagged = tagger.tagString(art_con)
              println(tagged)