Stanford nlp 如何解析句子列表？

我想用斯坦福NLP解析器解析一系列句子。 我的列表是一个

ArrayList

，如何使用

LexicalizedParser

解析所有列表

我想从表格中的每一句话中得到：

Tree parse =  (Tree) lp1.apply(sentence);

---

实际上，斯坦福NLP的文档提供了如何解析句子的示例

---

您可以找到文档

尽管可以深入研究文档，但我将在这里提供代码，尤其是在链接移动和/或消亡的情况下。这个特定的答案使用了整个管道。如果对整个管道不感兴趣，我将在一秒钟内提供另一个答案

下面的示例是使用斯坦福管道的完整方法。如果对共指解析不感兴趣，请从第三行代码中删除

dcoref

。因此，在下面的示例中，如果您只将管道输入文本体（文本变量），管道将为您（ssplit注释器）执行句子拆分。你只有一句话吗？好的，没关系，你可以把它作为文本变量输入

   // creates a StanfordCoreNLP object, with POS tagging, lemmatization, NER, parsing, and coreference resolution 
    Properties props = new Properties();
    props.put("annotators", "tokenize, ssplit, pos, lemma, ner, parse, dcoref");
    StanfordCoreNLP pipeline = new StanfordCoreNLP(props);

    // read some text in the text variable
    String text = ... // Add your text here!

    // create an empty Annotation just with the given text
    Annotation document = new Annotation(text);

    // run all Annotators on this text
    pipeline.annotate(document);

    // these are all the sentences in this document
    // a CoreMap is essentially a Map that uses class objects as keys and has values with custom types
    List<CoreMap> sentences = document.get(SentencesAnnotation.class);

    for(CoreMap sentence: sentences) {
      // traversing the words in the current sentence
      // a CoreLabel is a CoreMap with additional token-specific methods
      for (CoreLabel token: sentence.get(TokensAnnotation.class)) {
        // this is the text of the token
        String word = token.get(TextAnnotation.class);
        // this is the POS tag of the token
        String pos = token.get(PartOfSpeechAnnotation.class);
        // this is the NER label of the token
        String ne = token.get(NamedEntityTagAnnotation.class);       
      }

      // this is the parse tree of the current sentence
      Tree tree = sentence.get(TreeAnnotation.class);

      // this is the Stanford dependency graph of the current sentence
      SemanticGraph dependencies = sentence.get(CollapsedCCProcessedDependenciesAnnotation.class);
    }

    // This is the coreference link graph
    // Each chain stores a set of mentions that link to each other,
    // along with a method for getting the most representative mention
    // Both sentence and token offsets start at 1!
    Map<Integer, CorefChain> graph = 
      document.get(CorefChainAnnotation.class);

//创建一个StanfordCoreNLP对象，该对象具有词性标记、lemmatization、NER、解析和共指解析
Properties props=新属性（）；
props.put（“注释器”、“标记化、ssplit、pos、引理、ner、解析、dcoref”）；
StanfordCoreNLP管道=新的StanfordCoreNLP（道具）；
//读取文本变量中的一些文本
字符串文本=…//在这里添加您的文本！
//仅使用给定文本创建空注释
注释文档=新注释（文本）；
//在此文本上运行所有注释器
管道注释（文件）；
//这些是本文件中的所有句子
//CoreMap本质上是一个使用类对象作为键并具有自定义类型值的映射
列出句子=document.get（SentencesAnnotation.class）；
for（CoreMap句子：句子）{
//遍历当前句子中的单词
//CoreLabel是一个CoreMap，具有额外的令牌特定方法
for（CoreLabel标记：句子.get（TokensAnnotation.class））{
//这是令牌的文本
String word=token.get（TextAnnotation.class）；
//这是令牌的POS标记
String pos=token.get（speechannotation.class的一部分）；
//这是令牌的NER标签
字符串ne=token.get（NamedEntityTagAnnotation.class）；
}
//这是当前句子的解析树
Tree-Tree=句子.get（TreeAnnotation.class）；
//这是当前句子的斯坦福依存关系图
SemanticGraph dependencies=句子.get（CollapsedCCProcessedDependenciesAnnotation.class）；
}
//这是共指链接图
//每个连锁店都存储一组相互链接的提及，
//以及获得最具代表性提及的方法
//句子和标记偏移量都从1开始！
映射图=
get（CorefChainAnnotation.class）；

如承诺的那样，如果您不想访问完整的斯坦福管道（尽管我认为这是推荐的方法），您可以直接使用LexicalizedParser类。在本例中，您将下载最新版本的Stanford Parser（而另一个版本将使用CoreNLP工具）。确保除了解析器jar之外，您还拥有要使用的适当解析器的模型文件。示例代码：

LexicalizedParser lp1 = new LexicalizedParser("englishPCFG.ser.gz", new Options());
String sentence = "It is a fine day today";
Tree parse = lp.parse(sentence);

---

请注意，这适用于解析器的3.3.1版。

还可以查看解析器附带的ParserDemo示例。可以直接对作为句子的字符串调用apply（）。