用stanford分词后选出名词java,如何训练stanford LexicalizedParser将新单词识别为名词？...

我想弄清楚如何训练stanford LexicalizedParser

(edu.stanford.nlp.parser.lexparser.LexicalizedParser)将新名词纳入其词典 .

起初我的目标是采取现有模型并稍微调整一下，而不是从大量的培训示例中创建一个全新的模型 .

希望有人在那里可以让我走上正确的轨道，如何做到这一点 .

作为我想要做的具体例子，我说我有“researchgate”这个词，我想在解析句子时将其视为名词 . 目前，'研究门'被视为不同的词性，取决于它的位置..但我希望它被识别为'NN'(名词) .

例子...

而不是这个：

(NP

(NP (JJ recent) (NN activity))

(PP (IN in)

(NP (PRP$ your) (JJ researchgate) (NNS topics)))))

我要这个：

(NP

(NP (JJ recent) (NN activity))

(PP (IN in)

(NP (PRP$ your) (NN researchgate) (NNS topics)))))

而不是这个：

(ROOT

(FRAG

(NP (NN subscription))

(S

(VP (TO to)

(VP (VB researchgate))))))

我要这个：

(ROOT

(NP

(NP (NN subscription))

(PP (TO to)

(NP (NN researchgate)))))

我目前正在使用这个模型：models / edu / stanford / nlp / models / lexparser / englishPCFG.ser.gz

我试过这样做>

java -cp stanford-parser.jar

edu.stanford.nlp.parser.lexparser.LexicalizedParser -train /tmp/train.txt

与/tmp/train.txt的竞争对手如下>

(NP

(NP (JJ recent) (NN activity))

(PP (IN in)

(NP (PRP$ your) (JJ researchgate) (NNS topics)))))

我得到了一堆很有前途的输出，但后来得到了这个错误>

Error. Can't parse test sentence: [This, is, just, a, test, .]

所以我需要提供更多的例子而不仅仅是我在/tmp/train.txt中的例子 .

看看文档，LexicalizedParser似乎有一个很有前景的方法，我正在考虑尝试...>

public static LexicalizedParser getParserFromTreebank(Treebank trainTreebank,

Treebank secondaryTrainTreebank,

double weight,

GrammarCompactor compactor,

Options op,

Treebank tuneTreebank,

List> extraTaggedWords)

我很想跳进去尝试这个，因为选择正确的选项似乎很棘手 . doco说：

解析器的选项，在训练和测试(解析)时必须是SAME，以便解析器正常工作

所以我可能需要指导如何提取用于edu / stanford / nlp / models / lexparser / englishPCFG.ser.gz的选项或许它是

edu.stanford.nlp.parser.lexparser.EnglishTreebankParserParams ?

另外，也许我想在我的extraTaggedWords中加入researchgate？

我感觉我在正确的轨道上，但希望在下降到一个老鼠洞之前得到一些建议 .

提前致谢 ！

chris