使用 CoreNLP 将句子分割成子句

Question

我正在解决以下问题：我想使用斯坦福 CoreNLP 将句子分成子句。 例句可以是：

"Richard is working with CoreNLP, but does not really understand what he is doing"

我现在希望将我的句子拆分为单个“S”，如下面的树形图所示：

我希望输出是一个带有单个“S”的列表，如下所示：

['Richard is working with CoreNLP', ', but', 'does not really understand what', 'he is doing']

我真的很感激任何帮助:)

Answer 1

我怀疑您正在寻找的工具是Tregex ，在此处的电源点或类本身的Javadoc中有更详细的描述。

在您的情况下，我相信您正在寻找的模式只是S 。 所以，像这样：

tregex.sh “S” <path_to_file>

其中文件是 Penn Treebank 格式的树——也就是说，类似于(ROOT (S (NP (NNS dogs)) (VP (VB chase) (NP (NNS cats))))) 。

顺便说一句：我相信片段“ ，但是”实际上并不是一个句子，正如您在图中突出显示的那样。 相反，您突出显示的节点包含了整个句子“ Richard 正在使用 CoreNLP，但并不真正理解他在做什么”。 然后，Tregex 会将整个句子打印为匹配项之一。 同样，“并不真正理解什么”不是一个句子，除非它包含整个 SBAR：“不明白他在做什么”。

如果你只想要“叶子”句子（即一个没有被另一个句子包含的句子），你可以尝试更像这样的模式：

S !>> S

---

注意：我还没有测试这些模式——使用风险自负！

Answer 2

好的，我发现有人这样做：

import requests

url = "http://localhost:9000/tregex"
request_params = {"pattern": "S"}
text = "Pusheen and Smitha walked along the beach."
r = requests.post(url, data=text, params=request_params)
print r.json()

有人知道如何使用其他语言吗（我需要德语）？