使用 CoreNLP 將句子分割成子句

Question

我正在解決以下問題：我想使用斯坦福 CoreNLP 將句子分成子句。 例句可以是：

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

我現在希望將我的句子拆分為單個“S”，如下面的樹形圖所示：

我希望輸出是一個帶有單個“S”的列表，如下所示：

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

我真的很感激任何幫助:)

Answer 1

我懷疑您正在尋找的工具是Tregex ，在此處的電源點或類本身的Javadoc中有更詳細的描述。

在您的情況下，我相信您正在尋找的模式只是S 。 所以，像這樣：

tregex.sh “S” <path_to_file>

其中文件是 Penn Treebank 格式的樹——也就是說，類似於(ROOT (S (NP (NNS dogs)) (VP (VB chase) (NP (NNS cats))))) 。

順便說一句：我相信片段“ ，但是”實際上並不是一個句子，正如您在圖中突出顯示的那樣。 相反，您突出顯示的節點包含了整個句子“ Richard 正在使用 CoreNLP，但並不真正理解他在做什么”。 然后，Tregex 會將整個句子打印為匹配項之一。 同樣，“並不真正理解什么”不是一個句子，除非它包含整個 SBAR：“不明白他在做什么”。

如果你只想要“葉子”句子（即一個沒有被另一個句子包含的句子），你可以嘗試更像這樣的模式：

S !>> S

---

注意：我還沒有測試這些模式——使用風險自負！

Answer 2

好的，我發現有人這樣做：

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語言嗎（我需要德語）？