Stanford typed dependencies manual 笔记

最新推荐文章于 2023-08-30 22:32:39 发布
最新推荐文章于 2023-08-30 22:32:39 发布
阅读量2.5k 收藏 6
点赞数 1
分类专栏： 自然语言处理 文章标签： NLP
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guotong1988/article/details/50667335
版权
本文笔记基于Stanford的typed dependencies手册，详细介绍了各种句法结构及其在自然语言处理（NLP）中的应用，包括名词短语（NP）、动词短语（VP）、介词短语（PP）等，以及各种关系表示，如主语（subj）、宾语（dobj）、补语（comp）等。
摘要由CSDN通过智能技术生成

http://nlp.stanford.edu/software/dependencies_manual.pdf
http://nlp.stanford.edu/software/stanford-dependencies.shtml

以下两个截图是说的一个意思，不过一个是图形化表示，盯着看懂了就差不多了
NLP
NLP

ROOT：要处理文本的语句
IP：简单从句
NP：名词短语
VP：动词短语
PU：断句符，通常是句号、问号、感叹号等标点符号
LCP：方位词短语
PP：介词短语
CP：由‘的’构成的表示修饰性关系的短语
DNP：由‘的’构成的表示所属关系的短语
ADVP：副词短语
ADJP：形容词短语
DP：限定词短语
QP：量词短语
NN：常用名词
NR：固有名词
NT：时间名词
PN：代词
VV：动词
VC

了解本专栏 订阅专栏 解锁全文 超级会员免费看
埋头苦干1988
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
人工智能专栏第十二讲——依存解析
记录 IT 领域经验与见解的博客
05-23 1295
在依存句法分析中，单词之间的依存关系是指一个单词对另一个单词的依赖关系，这种依赖关系可以是词汇、语法或语义上的。构建依存树是指将所有的单词组织成一棵树状结构，每个单词作为一个节点，单词之间的依存关系作为树边。在转换方法中，我们通常使用一个栈来存储已经处理过的单词，使用一个缓冲区来存储尚未处理的单词。在自然语言处理中，依存句法分析是一项非常重要的任务，因为它可以帮助我们理解句子的语义结构，从而更好地进行文本分析、信息抽取、语音识别等任务。在图方法中，我们将单词表示为图中的节点，依存关系表示为图中的边。
NLP词性分析，实体分析，句法树构造（依存句法树分析）
热门推荐
jiangchao98的博客
07-30 1万+
使用scipy库 和 nltk库进行抽取单词的 词性信息 和 实体信息
第七章 句法分析
weixin_46365033的博客
12-14 6151
文章目录概述短语结构分析线图分析法*自底向上的线图分析法（基于CFG）点规则数据结构算法描述扩展弧子程序：题型十六：使用线图分析法构建语法分析树我对于算法的过程理解算法评价CYK算法 概述 任务：句法分析的任务就是识别句子的句法结构。 句法分析分为句法结构分析和依存关系分析。 句法结构分析又可以称为短语结构分析；获取整个句子的句法结构为目的的句法分析称为完全句法分析；获得局部成分为目的的句法分析称为局部句法分析。 依存关系分析又称为依存结构分析。 短语结构分析 句法结构分析的定义是：对输入的单词序列判断其构
Dependency-driven Relation Extractionwith Attentive Graph Convolutional Networks
weixin_41545327的博客
09-21 1199
句法信息和依赖树在已有的研究中已经广泛用于改进关系抽取，并能更好地指导分析与给定实体相关的上下文信息。然而，现有的研究依赖树中大多存在噪声，特别是当依赖树自动生成时，其过度利用依赖信息可能会给关系分类带来混乱，必要的剪枝在此任务中非常重要。本文提出了一种依赖驱动的注意力图卷积网络关系抽取方法（A-GCN）。在这种方法中，图卷积网络上的注意力机制应用于从现成的依赖解析器获得的依赖树中的不同上下文词，以区分不同词依赖的重要性。考虑到单词之间的依赖类型也包含重要的上下文指导，这可能有助于关系提取。
Stanford University机械学习笔记(五)
10-08
本章主要讲述神经网络一块的内容，重点和难点在于反向传播、梯度检验等方法
Stanford university机械学习笔记(六)
10-14
本章是机械学习第六章内容，主要讲了机械学习的最佳拟合问题，是机械学习的常见问题
Stanford 机器学习 笔记
04-25
Supervised learning Let’s start by talking about a few examples of supervised learning problems. Suppose we have a dataset giving the living areas and prices of 47 houses from Portland, Oregon: ...
Stanford University机械学习笔记
09-30
### Stanford University机械学习笔记 #### 第三章 逻辑回归 **第一节 分类** 在机器学习领域，特别是监督学习中，分类是一项重要的任务。本节主要介绍逻辑回归算法应用于分类问题的基础概念及其工作原理。 首先...
NLP笔记
fox_syp的博客
01-06 2389
nlp
依赖树(dependecyTree)-语义边、两个词语之间的依赖边路径
Twilightuse93的专栏
12-20 7963
依赖树 使用语义边来表示句子的语法信息，树的结构较为简单，这时可以提取到较有泛化能力 的变换规则。但是，目前这种规则只能人工编写，缺少像STSG 规则自学习算法 那样强大的支撑，而人工编写规则很难覆盖全面 。 目前规则使用七元组：<边属性名，dep词项，dep词性，dep转换后位置，gov词项，gov词性，gov转换后位置>。 参考：https://my.oschina.net/key...
中文自然语言处理--依存句法分析标注关系
糯米君的博客
04-02 1617
依存关系的五条公理，分别如下： 1.一个句子中只有一个成分是独立的； 2.句子的其他成分都从属于某一成分； 3.任何一个成分都不能依存于两个或两个以上的成分； 4.如果成分 A 直接从属成分 B，而成分 C 在句子中位于 A 和 B 之间，那么，成分 C 或者从属于 A，或者从属于 B，或者从属于 A 和 B 之间的某一成分； 5.中心成分左右两边的其他成分相互不发生关系。 依存句法分析标注关系（共14种）及含义如下所示： 原文： https://soyoger.blog.csdn.net/article
句法分析详解
li15006474642的博客
03-07 1万+
首先在了解句法分析，我们先来思考一个问题：人是怎样理解一个句子的？ 1、从语法的角度（主谓宾） 2、从感觉的角度（语言模型） 所以句法分析理解起来很简单，就是从语法的角度分析每个词之间的关系，在一句话中那个词是主语，那个词是谓语，等等而且用树的形式来表示。 假设现在有一句话： 北京是属于中国的 那么用句法分析后就是下图的样子： 我们先不管怎么构成这样的一个句法树，我们先看一下这棵树的特点： 叶子...
词性
云计算、数据库、大数据、容器、微服务、深度学习、NLP、Python
06-18 589
获取相关词性的词 import jieba.posseg as pseg n_e = ["nr", "n", "ns", "nt", "nz"] r = [] for g in pseg.lcut(text): if g.flag in n_e: r.append(g.word) 词性对照表 jieba词性对照表 - a 形容词 - ad 副形词 - ag 形容词性语素 - an 名形词 - b 区别词 - c 连词 - d 副词
方面级别情感分析之四元组预测
最新发布
hello world
08-30 2218
quad方面级别情感分析四元组任务是由南京理工大学团队2021年8月的论文(ACL 2021)《Aspect-Category-Opinion-Sentiment Quadruple Extraction with Implicit Aspects and Opinions》首先提出来的，这篇文章他主要的贡献是对方面级情感分析四元组的任务定义， 以及提供了一个公开数据集ACOS，提出了多个基于bert处理四元组任务的baseline。\quad。
[方面级别情感分析]0x01方面级情感分析笔记
qq_42523037的博客
10-12 2229
情感三元组抽取
自然语言处理技术：NLP句法解析树与可视化方法
源代码杀手的博客
08-17 1396
自然语言处理（Natural Language Processing，NLP）句法解析树是一种表示自然语言句子结构的图形化方式。它帮助将句子中的每个词汇和短语按照语法规则连接起来，形成一个树状结构，以便更好地理解句子的语法结构和含义。句法解析树对于理解句子的句法关系、依存关系以及语义角色等非常重要。句法解析树的构建过程通常基于语法规则和词汇信息。这些语法规则可以是基于传统的语法理论（如生成语法、依存语法）或是基于数据驱动的方法（如统计句法分析、神经网络模型）。
依存句法树解析
weixin_38241876的博客
05-05 7963
#encoding=utf8 import re,os,json from stanfordParse import pos from stanfordParse import parse_sentence from recursionSearch import search def split_long_sentence_by_pos(text): del_flag=['DEC','A...
universaldependencies依存关系标签解释
专心致志写BUG的博客
06-21 665
universaldependencies依存关系标签解释
斯坦福解析器3.7.0的类型依赖手册简介
这份手册主要关注的是斯坦福早期版本的类型依赖（Stanford Dependencies）体系，这是为了提供一种简单明了的方式来表达句子中的语法关系，即使对语言学不熟悉的用户也能方便地理解和利用这些关系，以提取文本中的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

埋头苦干1988

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值