Stanford nlp 斯坦福解析器模型_Stanford Nlp

Stanford nlp 斯坦福解析器模型

stanford-nlp

Stanford nlp 斯坦福解析器模型,stanford-nlp,Stanford Nlp,StanfordCorenlp包含几个解析英语句子的模型英国人英语 english_UD（depparse注释器的默认值）英国人英国人 englishPCFG（解析注释器的默认值）英语无壳 wsjRNN WSJ4因素 wsjPCFG 以下文件中有一些比较：我无法找到所有模型的完整描述和比较。它存在于任何地方吗？如果没有，我认为值得创建。我不能给出完整的列表（也许Chris会插话？），但我的理解是这些模型是： englishSR：shift-reduce模型在各种标

StanfordCorenlp包含几个解析英语句子的模型

英国人
英语
english_UD（depparse注释器的默认值）
英国人
英国人
englishPCFG（解析注释器的默认值）
英语无壳
wsjRNN
WSJ4因素
wsjPCFG

以下文件中有一些比较：

我无法找到所有模型的完整描述和比较。它存在于任何地方吗？如果没有，我认为值得创建。

我不能给出完整的列表（也许Chris会插话？），但我的理解是这些模型是：

```
englishSR
```
：shift-reduce模型在各种标准树状结构上进行训练，并使用斯坦福大学的一些手工标注数据。这是我们拥有的最快、最精确的模型，但该模型的负载非常大
```
english\u SD
```
：斯坦福依赖项的NN依赖项解析器模型。不赞成使用
```
english\u UD
```
——通用依赖模型
```
english\u UD
```
：通用依赖项的NN依赖项解析器模型。这是获取依赖关系树的最快、最准确的方法，但它不会提供选区分析
```
englishHRNN
```
：混合PCFG+神经选区解析器模型。比shift-reduce模型以外的任何选区分析器都更精确，但速度也明显较慢
```
englishFactored
```
：不是100%确定这是什么，但我的印象是，无论是准确性还是速度，它都介于
```
englishPCFG
```
和
```
englishRNN
```
之间
```
englishPCFG
```
：用于选区分析的常规旧PCFG模型。加载速度快，比除shift-reduce模型以外的任何选区模型都快，但按照现代标准，准确度也一般。尽管如此，这是一个很好的违约
```
englishPCFG.caseless
```
：PCFG模型的无壳版本

我假设《华尔街日报》*《华尔街日报》*《华尔街日报》*《华尔街日报》>《华尔街日报》*《华尔街日报》*《华尔街日报》*《华尔街日报》>《华尔街日报》*《华尔街日报》*《华尔街日报》>《华尔街日报》*《华尔街日报》*《华尔街日报》*《华尔街日报》*《华尔街日报

要帮助根据速度、精度和模型使用的基本内存选择正确的模型，请执行以下操作：

快速：10倍，准确，高记忆：英语HSR
中等：1x，正常精度，低内存：englishPCFG
慢：~0.25倍，准确，低内存：englishRNN
快速：100倍，准确，低内存，仅依赖解析：英语