java命名实体抽取_如何从文本中提取命名实体动词

好吧,我的目标是从文本中提取NE(Person)和与之相关的动词.例如,我有这样的文字：

Dumbledore turned and walked back down the street. Harry Potter rolled over inside his blankets without waking up.

作为理想的结果,我应该得到

Dumbledore turned walked; Harry Potter rolled

我使用Stanford NER查找和标记人员,然后删除所有不包含NE的句子.所以,最后我有一个’纯’文本,只包含字符名称的句子.

之后我使用Stanford Dependencies.结果我得到像这样的smth(CONLLU输出格式)：

1 Dumbledore _ _ NN _ 2 nsubj _ _

2 turned _ _ VBD _ 0 root _ _

3 and _ _ CC _ 2 cc _ _

4 walked _ _ VBD _ 2 conj _ _

5 back _ _ RB _ 4 advmod _ _

6 down _ _ IN _ 8 case _ _

7 the _ _ DT _ 8 det _ _

8 street _ _ NN _ 4 nmod _ _

9 . _ _ . _ 2 punct _ _

1 Harry _ _ NNP _ 2 compound _ _

2 Potter _ _ NNP _ 3 nsubj _ _

3 rolled _ _ VBD _ 0 root _ _

4 over _ _ IN _ 3 compound:prt _ _

5 inside _ _ IN _ 7 case _ _

6 his _ _ PRP$ _ 7 nmod:poss _ _

7 blankets _ _ NNS _ 3 nmod _ _

8 without _ _ IN _ 9 mark _ _

9 waking _ _ VBG _ 3 advcl _ _

10 up _ _ RP _ 9 compound:prt _ _

11 . _ _ . _ 3 punct _ _

这就是我所有问题的起点.我知道这个人和动词,但是如何从这种格式中提取它我不知道.

我想,我可以这样做：在表格中找到NN / NNP,找到它的“父”,然后提取它的所有’子’字.从理论上说它应该有效.理论上.

问题是,是否有人可以提出任何其他想法如何从文本中获取一个人及其行动？或者,如果还有更合理的方法吗？

我将非常感谢任何帮助！

最佳答案 以下是一些示例代码,可帮助您解决问题：

import java.io.*;

import java.util.*;

import edu.stanford.nlp.ling.*;

import edu.stanford.nlp.pipeline.*;

import edu.stanford.nlp.semgraph.*;

import edu.stanford.nlp.util.*;

public class NERAndVerbExample {

public static void main(String[] args) throws IOException {

Properties props = new Properties();

props.setProperty("annotators", "tokenize,ssplit,pos,lemma,ner,depparse,entitymentions");

StanfordCoreNLP pipeline = new StanfordCoreNLP(props);

String text = "John Smith went to the store.";

Annotation annotation = new Annotation(text);

pipeline.annotate(annotation);

System.out.println("---");

System.out.println("text: " + text);

System.out.println("");

System.out.println("dependency edges:");

for (CoreMap sentence : annotation.get(CoreAnnotations.SentencesAnnotation.class)) {

SemanticGraph sg = sentence.get(SemanticGraphCoreAnnotations.CollapsedDependenciesAnnotation.class);

for (SemanticGraphEdge sge : sg.edgeListSorted()) {

System.out.println(

sge.getGovernor().word() + "," + sge.getGovernor().index() + "," + sge.getGovernor().tag() + "," +

sge.getGovernor().ner()

+ " - " + sge.getRelation().getLongName()

+ " -> "

+ sge.getDependent().word() + "," +

+sge.getDependent().index() + "," + sge.getDependent().tag() + "," + sge.getDependent().ner());

}

System.out.println();

System.out.println("entity mentions:");

for (CoreMap entityMention : sentence.get(CoreAnnotations.MentionsAnnotation.class)) {

int lastTokenIndex = entityMention.get(CoreAnnotations.TokensAnnotation.class).size()-1;

System.out.println(entityMention.get(CoreAnnotations.TextAnnotation.class) +

"\t" +

entityMention.get(CoreAnnotations.TokensAnnotation.class)

.get(lastTokenIndex).get(CoreAnnotations.IndexAnnotation.class) + "\t" +

entityMention.get(CoreAnnotations.NamedEntityTagAnnotation.class));

}

}

}

}

我希望在斯坦福CoreNLP 3.8.0中添加一些语法糖,以协助与实体提及合作.

为了解释这个代码,基本上实体注释注释器通过并将具有相同NER标签的令牌组合在一起.所以“约翰史密斯”被标记为实体提及.

如果您浏览依赖图,则可以获取每个单词的索引.

同样,如果您访问实体提及的令牌列表,您还可以找到实体提及的每个单词的索引.

使用更多代码,您可以将这些代码链接在一起,并根据您的要求形成实体提及动词对.

正如您在当前代码中看到的那样,访问实体提及的信息非常麻烦,因此我将尝试在3.8.0中进行改进.