スタンフォード型パーサーを使用してテキストファイルから名詞句を抽出する

Question

名詞句を抽出するテキストがあります。私は簡単に私が持っているテキストのための型パーサを得ることができますが、テキストの名詞句をどのように抽出することができますか？

Answer 1

POSタグ付けにスタンフォードコアNLPを使用できます。 http://nlp.stanford.edu/software/corenlp.shtml#Usageにサンプルコードがあり、これは実験の出発点になります。プロパティとしてtokenize、split、posを与える必要があります。これにより、対応するタグとともにトークンのリストが出力されます。

タグリスト全体をhttp://www.ling.upenn.edu/courses/Fall_2003/ling001/penn_treebank_pos.htmlで見ることができます。すべての名詞タグはNNで始まります。このチェックを実行すると、必要なトークンが得られます。

Answer 2

お試しくださいlinkも同様です。私は、スタンフォードのpos taggerとcorenlpで利用可能なtaggerが同じかどうかはわかりませんが、私はこのリンクがより有用であることを発見しました。

PoSタグ付け後に、このようなパターンを検出する必要があります （名詞前置詞）* （形容詞|名詞）*名詞

名詞句の検出については、linkをお試しください。

Answer 3

ツリーから名詞句を抽出するには、次のコードを使用します。それはあなたがパースに保存されている文（すなわち、解析メソッドを適用LexicalizedParserクラスの出力である）

public static List<Tree> GetNounPhrases() 
{ 

    List<Tree> phraseList=new ArrayList<Tree>(); 
    for (Tree subtree: parse) 
    { 

     if(subtree.label().value().equals("NP")) 
     { 

     phraseList.add(subtree); 
     System.out.println(subtree); 

     } 
    } 

     return phraseList; 

}