Stanford nlp 如何在新解析器中使用标准管道（tokenize、ssplit、pos、lemma）？

我一直在使用旧版本的斯坦福NLP，但想切换到最新、最酷的算法。然而，我看了NN依赖解析器的演示，不知道如何将其与CoreNLP管道集成

我使用的是jython代码：

props = Properties()
props.put("annotators","tokenize,ssplit,pos,lemma,parse")
props.put("isOneSentence",True)
pipeline = StanfordCoreNLP(props)

但是现在我想使用更新的算法。在目前的管道中，这可能吗？如果不是，那么重写它的简单方法是什么，以便在没有注释管道的情况下生成相同的结果

提前谢谢！

---

Pavel

您要查找的注释器是“depparse”，而不是“parse”。因此，代码看起来像：

props = Properties()
props.put("annotators","tokenize,ssplit,pos,lemma,depparse")
props.put("isOneSentence",True)
pipeline = StanfordCoreNLP(props)

---

请注意，在此之后，您将不再有选区树（

树

），只有依赖树（

语义图

）。

太好了，非常感谢！但我有时也希望能从选民中获得新的选民。“parse”注释器现在使用它，而不是词汇化的PCFG？因此，我似乎可以像这样使用nn dep解析器和组成部分解析器：props.put（“注释器”、“标记化”、“ssplit”、“pos”、“引理”、“解析”、“depprase”），但是这里有两个问题：1。NN解析器真的启动了吗，还是我们从LPCFG得到了结果？2.LPCGF是旧的慢实现，宣传的是移位减少解析器，它应该工作得更快。有没有办法使用这个解析器？最好集成到此注释管道中？非常感谢，Pavelys，在这种情况下，依赖项解析将覆盖选区解析。您可以按照此处的说明使用shift-reduce选区分析器：。谢谢！我想我必须使用两个不同的管道，可能使用不同的.jar，因为NN解析器和shift-reduce解析器似乎生活在不同的jar中。这是一个不错的解决办法，速度不会受到影响，但是带有一个管道的代码看起来肯定会更好！它们当然应该在同一个CoreNLP罐中。这些模型位于单独的jar中，但这只是因为shift-reduce选区解析器具有非常大的模型。