Stanford nlp 斯坦福大学CoreNLP如何为短语分配括号？

我有一个问题，关于CoreNLP如何在累积句子总分的过程中为短语分配括号。主要问题是它计算句子中短语情感的顺序。有人知道使用什么算法吗？一个例子可以清楚地说明我的问题：

在我的训练模型中，我使用的量表是0-4，其中0是负的，2是中性的，4是正的，所以下面的短语被评分：（3（1低）（2（2油）（2生产））） -注：上升至正面的原因是我们预测油价，而较低的石油产量将导致较高的价格，因此正确预测油价上涨需要整体积极情绪

接下来，让我们假设以下推文被抓获：“欧佩克决定降低石油产量”。我想CoreNLP做的第一件事就是给每个单词打分。在我们的训练模式中，lower的得分为1，而所有其他单词均未得分，因此将获得中性得分

问题似乎源于CoreNLP如何决定对短语（词组）评分。如果它做的第一件事是给“石油产量”打分，然后给“较低的石油产量”打分，那么就会看到我们的模型中有一个与“较低的石油产量”精确匹配的短语，并且正确地分配了3分

然而，我猜测的是：首先CoreNLP得分“欧佩克决定”，然后“欧佩克决定”，然后“欧佩克决定减产”，然后“欧佩克决定减产”，然后欧佩克决定减产“。在这种情况下，“较低的石油产量”这一短语永远不会在真空中被考虑，因为没有与我们的培训模式相匹配的短语，单个单词的分数决定了整体情绪，并且由于“较低”，因此得到1分。”

---

唯一的解决办法是有人告诉我CoreNLP用来给短语打分的括号算法。谢谢你的帮助

Stanford CoreNLP对句子运行选区解析器。然后使用TreeBinarizer将选区树转换为二叉树

这是相关类别：

edu.stanford.nlp.parser.lexparser.TreeBinarizer

以下是GitHub上源代码的链接：

以下是TreeBinarizer设置位置的源代码：